溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
今天就跟大家聊聊有關利用python實現性能測試工具，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結了以下內容，希望大家根據這篇文章可以有所收獲。
性能工具的核心就是 并發 和 請求。
請求可以選擇Python的requests庫。
并發可以通過python的 進程、線程、協程模擬。
這么一想，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 大家并不陌生，HTTP請求庫。
gevent是python協程庫，通過協程模擬并發更節省資源，在同樣配置下能模擬更多的并發。
numpy 是python的數據計算庫，提供大量組數和矩陣運算，這里用它求列表的平均值。
實現腳本
好了，接下來開始上手寫代碼了。
from __future__ import print_function
import time
import gevent
from gevent import monkey
monkey.patch_all()
import requests
from numpy import mean
users = 10 # 用戶數
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("用戶數：{}，循環次數: {}".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中創建線程組有兩個參數 線程數和 循環數，即 用戶數 和請求數，設置多少個用戶，每個用戶用戶跑多少次，用戶數通過協程模擬，每次用戶運行次數通過for循環實現。
至于請求就比較簡單了，直接通過requests發送請求。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。
關于請求時間統計，在每次請求前后獲得當前時間戳，然后計算時間差就是單個接口的調用時間。最大，最小，平均通過計算就可輕松的得到。
> python3 ab.py 請求URL: http://127.0.0.1:8080/user/tom 用戶數：10，循環次數: 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 ===================
后續
把ab.py腳本做成 ab 命令行工具。
支持更多的請求類型（get/post/put/delete）和參數。
更多統計維度，吞吐量、吞吐率
增加啟動時間，思考時間等
看完上述內容，你們對利用python實現性能測試工具有進一步的了解嗎？如果還想了解更多知識或者相關內容，請關注億速云行業資訊頻道，感謝大家的支持。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
