Можно.
Понадобится завернуть ваш семплер в if-контроллер, который проверяет номер пользователя/итерации, что-то в этом роде.

Как разобраться:
В обычной тред-группе сделайте 2 threads и добавьте внутрь только debug sampler

Ну и смотрите, чем отличается их результаты.

Но на самом деле вопрос - а зачем вам это надо?
Наверняка Можно достичь результатов более простым методом.

В корневом элементе «test plan» можно поставить галочку, что бы тред-группы запускались поочерёдно, может это вам подойдёт

Так там хотелось товарищу чтобы к степу в тред группе были привязаны конкретные запросы)

Не знаю зачем это нужно, но по моему это не то о чем ты написал

Почему, как раз то, что нужно получается.
Вот есть у нас 3 row, в каждом добавляется по 1 пол зователю.
С помощью if-контроллера мы выясняем, который пользователь теребит скрипт и выполняем соответствующие семплеры

Пусть размер ступени 3 потока.
Если в csv файле сделать адреса с дублированием х3:

qa.load/1,post,param1,param2
qa.load/1,post,param1,param2
qa.load/1,post,param1,param2
qa.load/2,GET,,
qa.load/2,GET,,
qa.load/2,GET,,
qa.load/3,POST,param3,
qa.load/3,POST,param3,
qa.load/3,POST,param3,
...
А внутри катушки бесконечный while, то поток будет брать строку и отправлять по ней запросы, следующий будет брать следующую. А при новой ступени будет новый запрос.

Хочу зафиксировать текущий результат при нагрузке, что бы потом сравнивать его с новым полученным после каких-то правок.
Но каждый раз при запуске нагрузочного теста всегда разный результат, при чём разница довольно большая
Подскажите, у кого как, насколько велик разброс результатов при одном и том же нагрузочном тесте ?

Вообще хорошая практика не более 10%.

очень сильно может зависеть от стартовых данных - зафиксировали ли вы их?

наполненность базы, индексы, партиционирование - все может влиять и не брезгует это делать

если я верно понимаю, то стартовые данных всегда одинаковые, так как запускается один и тот же тест план

или под стартовыми данными имеется ввиду на сколько система нагружена перед запуском тест плана ?

я имею в виду состояние бд, к которой обращается тестируемое приложение

если в ней данных прирастает с каждым днём, а вы катаете тесты, то закономерно может увеличиваться время отклика аппы из-за увеличения времени отработки запросов на базе (на растущих таблицах)

если есть желание сравнивать 1-1, то надо неким образом разворачивать одинаковые стартовые условия. к примеру экспорт-импорт схемы для оракловой базы (но это натурально долго)

А какие метрики сравниваете и какая агрегация? 99 перцентиль, 95, average?

Сравниваю Average, перцентили 90, 95, 99, кол-во отработанных samples
агрегация, это что ?)

Ну average, perc95 и так далее это и есть типы агрегации)

А насколько длинные тесты?

пока запускал только 2-3 минуты, вот подумываю что может это мало времени, в теории чем дольше будет работать тест, тем меньше должен быть между ними разброс ?