python 寫一個性能測試工具(一)
阿新 • • 發佈:2020-10-27
國慶重新學習了一下go的gin高效能測試框架。
用JMeter來測試gin與flask介面的效能,差別很大。
為什麼我自己不嘗試寫一個性能工具,效能工具的核心就是 併發 和 請求。
請求可以選擇Python的requests庫。
併發可以通過python的 程序、執行緒、協程模擬。
這麼一想,也不是很難了,上手擼一個。
依賴庫
requests==2.22.0 gevent==20.9.0 numpy==1.19.2
requests 大家並不陌生,HTTP請求庫。
gevent是python協程庫,通過協程模擬併發更節省資源,在同樣配置下能模擬更多的併發。
numpy 是python的資料計算庫,提供大量組數和矩陣運算,這裡用它求列表的平均值。
實現指令碼
好了,接下來開始上手寫程式碼了。
from __future__ import print_function import time import gevent from gevent import monkey monkey.patch_all() import requests from numpy import mean users = 10 # 使用者數 numbers = 100 # 請求次數 req_url = "http://127.0.0.1:8080/user/tom" # 請求URL print("請求URL: {url}".format(url=req_url)) print("使用者數:{},迴圈次數: {}".format(users,numbers)) print("============== Running ===================") pass_number = 0 fail_number = 0 run_time_list = [] def running(url): global fail_number global pass_number for _ in range(numbers): start_time = time.time() r = requests.get(url) if r.status_code == 200: pass_number = pass_number + 1 print(".",end="") else: fail_number = fail_number + 1 print("F",end="") end_time = time.time() run_time = round(end_time - start_time,4) run_time_list.append(run_time) jobs = [gevent.spawn(running,req_url) for _url in range(users)] gevent.wait(jobs) print("\n============== Results ===================") print("最大: {} s".format(str(max(run_time_list)))) print("最小: {} s".format(str(min(run_time_list)))) print("平均: {} s".format(str(round(mean(run_time_list),4)))) print("請求成功",pass_number) print("請求失敗",fail_number) print("============== end ===================")
設計思路
在JMeter中建立執行緒組有兩個引數 執行緒數和 迴圈數,即 使用者數 和請求數,設定多少個使用者,每個使用者使用者跑多少次,使用者數通過協程模擬,每次使用者執行次數通過for迴圈實現。
至於請求就比較簡單了,直接通過requests傳送請求。通過判斷影響的狀態碼是否為200來判斷是否成功,通過分別計算成功和失敗的請求個數。
關於請求時間統計,在每次請求前後獲得當前時間戳,然後計算時間差就是單個介面的呼叫時間。最大,最小,平均通過計算就可輕鬆的得到。
> python3 ab.py 請求URL: http://127.0.0.1:8080/user/tom 使用者數:10,迴圈次數: 100 ============== Running =================== ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... . ============== Results =================== 最大: 0.0352 s 最小: 0.0036 s 平均: 0.0204 s 請求成功 1000 請求失敗 0 ============== end ===================
後續
把ab.py指令碼做成 ab 命令列工具。
支援更多的請求型別(get/post/put/delete)和引數。
更多統計維度,吞吐量、吞吐率
增加啟動時間,思考時間等
...
以上就是python 寫一個性能測試工具(一)的詳細內容,更多關於python 效能測試工具的資料請關注我們其它相關文章!