你好，是接口请求的内容保存在数据库里，所以才需要读数据库。
并不是接口返回的预期值保存在数据库中。

提几个建议吧，你的代码实现：

1. 写好注释，让代码可读性更强。
2. 代码良好的设计，比如要穿插 Post 等，Http 请求头不同，Https 协议等等，代码如何更优雅。
3. 接口返回值比对是在接口成功返回之后做的事，而接口的成功返回需要各种各样的断言，要加上。

有你分享的时间，我 Jmeter 都干完活了……行了大兄弟，别在我这掰扯这些了。
我文中写的那么多 Jmeter 的优点看来在你眼里都是 P 啊……“Jmeter，功能太丰富了，比如正则表达式，自定义变量，参数化，性能测试，定时执行等等。 这基本满足所有复杂的接口测试要求，自开发这些工具真的比不了。”
我期待你在 github 上的开源。

写的不错，大势所趋。

这个回答做到了：
talk is cheap show me the code.
这套代码工具，可以解决读接口的比对问题，也是我文中所面对的问题。
当然我的 Jmeter+Ant 还是有其优势的：

1. 接口测试请求链接数据不是数据库/文本等等已经保存好的，需要新创建测试数据。
2. 请求和请求之间存在数据关联。即和上面第一种情况结合起来。

至少这两种情况，Jmeter 还是比较方便的。
我不展开了，我相信 python/node.js 能做到。

好的。我文中就是这么做的。

谢谢版主肯定。

你的一个连数据库的函数 + 一个循环 再加上 @hu_qingen 的接口测试 [JsonSchema] 关于接口测试 Json 格式比对核心算法实现 (Java 版) 这应该就是你写的 “一个断言” 的完整实现。

至于重构怎么改变大小写了，你很感兴趣……可能测试的工作就是这样吧，面对的是各种各样的问题。
没别的意思，我觉得我的这篇至少引发了你对解决问题的思考，并且你也感兴趣了，我觉得就很好。

不错，学习了。

diffy 是个好工具啊，界面也不错。应该可以搞定我的问题，即便搞不定二次开发的工作量也比较小，主要是这测试结果是在线的很赞。

接口返回值可以包含多个表的数据，再说接口可能有缓存的，都不调用 DB 的数据，直接测试数据库是不行的。

不了解这么高端的工具。

beyond compare 命令行没用过， 能把 JSON 格式化后再对比吗？

这个地方主要是对比测试，两个环境海量接口返回值的对比测试。
Json Schema 明显是没做的……你的建议很好，不过很难推行。

不仅仅是测试返回码啊~返回值的格式，甚至大小写匹配，返回值的 key value 都要一致的。

我过后也介绍一些我自己写的在线 Jmeter 用例管理吧，点我头像进 github（帮忙点个星星最好了多谢）。没想到这还能整个公司出来。

学习了。
不知道你是第几面产生这些感慨的，面试要招的人是最适合这个岗位的人，而不是技术能力最强的人，所以面试题往往点到为止，你符合岗位要求就行了，如果你要的钱比较多，那么会问一些比较深入的看看你是不是把面试官当 SB，不是说你技术最牛钱就最多的，主要还是看是否适合这个岗位（技术只是一个大的方面）。
再多说几句吧，你写的这几个问题挺对我胃口的。
首先你这 4 个问题，其实实际运用中意义不大，开发都很少用，更不用说测试了。
1.3 问题是锁的，多线程的，但是现在服务器都是分布式的，使用的都是分布式锁，单进程内讨论锁和多线程意义不大，脱离实际。
2.问题是线程池，意义很好，不过单进程内再开线程池，意义也不大，现在都是分布式，一般是队列实现任务分发，仍然是跨进程的。
4.问题是垃圾回收机制，讨论的是各种垃圾回收机制的优缺点，可是你应该也了解，CMS 一旦出问题就是致命的，而多线程回收是默认的，你讲究这些问题，理论研究很好，实际应用上谁能让你上 CMS 呢。更何况 CMS 提高性能也并不是很明显。
你能熟悉 JVM 到这个深度自然非常好，但对于测试工作是锦上添花并非雪中送碳，希望能理解。

我才刚买《腾讯 iOS 测试实践》，还没到货呢惭愧。
我和楼主不一样啊，我是 Java，mysql 这类书一定要精读的，测试书才是当工具书看或者 google 了。

感谢肯定，前端我还有太多东西需要学习，向你学习。

谢谢。
AI 不像测试，测试还可以讲是质量保证，是软件所必须的。AI 可不是必须的。

说技术，AI 和测开，对技术的要求都是无止境的。
只学 AI 是够呛的，原因很简单：
1.AI 人才给炒热了，小公司接不起普通的 AI 人了都，年薪好几十万一个普通的，不容易接。
2.上点规模的非 AI 方向的公司，也不特意搞 AI，AI 更向是噱头，企业生存还是第一位的，AI 能否提高利润是需要评估的，何况 AI 人才那么贵。这样的公司更希望内部大数据人才自我提升到 AI。这样的公司更希望是和专业的 AI 公司做合作。
3.AI 的基础即大数据高度集中在几个知名公司手里，很多甚至全部的热门数据都在人家手里，其它打算专门搞 AI 的公司，难为无米之炊，前途漫漫，更多的是提供服务。
4.说到提供服务，由于当前是云时代，云上可以直接提供 AI 服务，楼主可以关注一下腾讯云，已经将 AI 的好几十个算法平台化了，只要你提供数据，腾讯云自动给你训练出 AI 的结果。甚至你都没有数据，只有想法，腾讯云上的大数据也能给你弄出来。我相信阿里云也会马上出现类似功能。
以上，
小公司，请不起 AI；非 AI 方向公司，不自己搞 AI 希望寻求合作；AI 方向公司，人才越来越多门槛越来越高；最后，云有希望一统 AI 天下，赢者通吃。
那么楼主的路越发的艰难了，但是比较清晰：
1.专心搞 AI，如果让 AI 当饭吃，肯定要小有所成。
2.从事 AI 相关工作，最好是到大数据和 AI 牛逼的公司去，如 A 如 T 如搜狗如讯飞如 H 等。
3.一定要学大数据相关知识，自己要有造血的能力。
4.一定要有能带路的人，能带你学习，内推到你去知名公司的人。
带来的问题：
1.楼主从 0 开始，难度是我难以想象的。AI 对数学的要求极高，同时需要实验室级别的环境来联系算法，闭门造车是非常艰难的。
2.楼主年纪在这，分析到这里可能大家也看到了，去小规模 AI 公司基本是没有希望的，只能去牛逼公司这条路才能行，楼主年纪让这成为不可能的任务，不可能近 40 岁的人和不到 30 岁的人拿一样的钱，领导都比你岁数小，是被刷荣誉去了吗。
3.靠 AI 进小公司拿较低薪水，然后精进 AI 和大数据然后在小公司混到风声水起。这种是幻想。a.需要多少年才能到这个地步，我预估得个 5 年。b.这条路比你现在的测开的路好吗？我认为不见得。
一些想法：
1.不要以为测开没有技术含量，测开和大数据一样要求技术高度和广度，而 AI 和大数据孰优孰劣还说不清呢。
2.测开都搞不好，去搞 AI，本身就是没有底气的事。
3.本科 top10 是好事，但是年纪的增长是无法避免的。
4.如果没有带路人，纯脱产自学，无疑拿头撞墙。

没搞过 nodejs，我先看看源码再说吧。
这个平台有借鉴意义，需要学习。

多谢指点。
你在 issue 上提的问题我看了，Locust 的作者解决不了你提的问题。

这篇文章粗略看了一下，说实话，他讲的和没讲一样，他基本没说性能测试的痛点，是每个都夸了一下。
我怀疑他是否真正做过性能测试。
如果我分析的话，会接地气一点儿吧。

我会稍微介绍一下的。