Python+Pytest实现压力测试详解
在现代Web应用程序中，性能是至关重要的。为了确保应用程序能够在高负载下正常运行，我们需要进行性能测试。 今天，应小伙伴的提问， 田辛老师来写一个Pytest进行压力测试的简单案例。 这个案例的测试网站我们就隐藏了，不过网站的基本情况是：
- 阿里
- 框架：FastAdmin.net
1.程序说明
1.1 设置测试参数
首先，田辛老师做的第一件事情就是设置测试参数。代码如下
# 定义测试用例
def test_performance():
# 设置测试参数
url = 'http://www.a.com/'
num_threads = 20
num_requests = 200
timeout = 5
这里面,田老师设置了网站的URL， 线程数， 每个线程的请求次数，以及超时时间。 可以看到， 这里面田老师一共会做4000次请求。
1.2 初始化测试结果
这段代码我想不需要田老师多讲， 这里做一个提示：注意缩进， 这段代码仍然在测试用例test_performance内。
# 初始化测试结果
response_times = []
errors = 0
successes = 0
1.3 定义测试函数
接下来， 田老师定义了一个内部函数。这个函数就是在某一线程内完成设定次数的请求。
# 定义测试函数
def test_func():
nonlocal errors, successes
for _ in range(num_requests):
try:
start_time = time.time()
requests.get(url, timeout=timeout)
end_time = time.time()
response_time = end_time - start_time
response_times.append(response_time)
successes += 1
except requests.exceptions.RequestException:
errors += 1
1.4 创建线程、执行线程、等待
# 创建测试线程
threads = []
for _ in range(num_threads):
t = threading.Thread(target=test_func)
threads.append(t)
# 启动测试线程
for t in threads:
t.start()
# 等待测试线程结束
for t in threads:
t.join()
1.5 计算测试结果
# 计算测试结果
total_requests = num_threads * num_requests
throughput = successes / (sum(response_times) or 1)
concurrency = num_threads
error_rate = errors / (total_requests or 1)
cpu_usage = psutil.cpu_percent()
memory_usage = psutil.virtual_memory().percent
1.6 将测试结果写入文件
# 将测试结果写入文件
with open('performance_test_result.txt', 'w') as f:
f.write(f'总请求数：{total_requests}\n')
f.write(f'总时间：{sum(response_times):.2f}s\n')
f.write(f'吞吐量：{throughput:.2f} requests/s\n')
f.write(f'并发数：{concurrency}\n')
f.write(f'错误率：{error_rate:.2%}\n')
f.write(f'CPU利用率：{cpu_usage:.2f}%\n')
f.write(f'内存利用率：{memory_usage:.2f}%\n')
2.程序执行
2.1 直接执行
在PyCharm里面直接执行这段代码， 得出的结果是：
总请求数：4000
总时间：1837.65s
吞吐量：2.17 requests/s
并发数：20
错误率：0.12%
CPU利用率：4.10%
内存利用率：88.60%
2.2 加个装饰器然后出报告
如果在PyCharm里面直接执行上面的代码， 虽然我们把结果写在文件中，但是， 不好看呀。
所以呢，田老师再额外介绍一个方法，这个方法能够生成一个相对美观的测试报告出来。
2.2.1 声明压力测试
首先在定义用例的时候通过装饰器声明这是一个压力测试：
# 定义测试用例
@pytest.mark.performance
def test_performance():
# 设置测试参数
url = 'http://www.a.biz/'
num_threads = 20
2.2.2 在命令行中通过pytest命令执行测试
第二步， 在命令行中执行测试
- -v 用于显示详细的测试结果
- --html 用于指定输出报告的位置。 这个参数需要依赖包：pytest-html
$ pytest -v --html=report.html test_a.py
输出执行结果是：
======================== test session starts =================================
platform win32 -- Python 3.10.9, pytest-7.2.1, pluggy-1.0.0 -- D:\python-grp\miniconda_env\py3.10_playwright\python.exe
cachedir: .pytest_cache
metadata: {'Python': '3.10.9', 'Platform': 'Windows-10-10.0.22624-SP0', 'Packages': {'pytest': '7.2.1', 'pluggy': '1.0.0'}, 'Plugins': {'allure-pytest': '2.12.0', 'base-url': '2.0.0', 'html': '3.2.0', 'metadata': '2.0.4', 'ordering': '0.6', 'playwright': '0.3.0'}, 'JAVA_HOME': 'D:\\java-grp\\jdk\\', 'Base URL': ''}
rootdir: E:\develop\python\pytest-training\test
plugins: allure-pytest-2.12.0, base-url-2.0.0, html-3.2.0, metadata-2.0.4, ordering-0.6, playwright-0.3.0
collected 1 item
test_a.py::test_performance PASSED [100%]
========================== warnings summary =================================
test_a.py:25
E:\develop\python\pytest-training\test\test_a.py:25: PytestUnknownMarkWarning: Unknown pytest.mark.performance - is this a typo? You can register custom marks to avoid this warning - for details, see https://docs.pytest.org/en/stable/how-to/mark.html
@pytest.mark.performance
-- Docs: https://docs.pytest.org/en/stable/how-to/capture-warnings.html
-- generated html file: file:///E:/develop/python/pytest-training/test/report.html --
================= 1 passed, 1 warning in 99.09s (0:01:39) ===================
(D:\python-grp\miniconda_env\py3.10_playwright) E:\develop\python\pytest-training\test>
最终生成的报告是：（有点长， 截取了关键部分）
3.案例缺陷
因为时间关系， 本案例今天没有时间在服务器端执行， 所以通过psutil库所取得CPU利用率和内存利用率时间并不对。 如果是在服务器端执行， 这两个数字才是对的。
如果要在本地获取服务器的CPU，内存，IO等情况，有一个监控神器：Prometheus。不过这东西配置起来又是另一个话题， 且听后话~哈哈（55555， 好像，又刨了一个坑）
4 完整源码
#!/usr/bin/env python
# -*- coding:utf-8 -*-
"""
#-----------------------------------------------------------------------------
# --- TDOUYA STUDIOS ---
#-----------------------------------------------------------------------------
#
# @Project : pytest-training
# @File : test_a.py
# @Author : tianxin.xp@gmail.com
# @Date : 2023/3/10 14:39
#
# 压力测试案例
#
#--------------------------------------------------------------------------"""
import threading
import time
import psutil
import pytest
import requests
# 定义测试用例
@pytest.mark.performance
def test_performance():
# 设置测试参数
url = 'http://www.tdouya.biz/'
num_threads = 20
num_requests = 200
timeout = 5
# 初始化测试结果
response_times = []
errors = 0
successes = 0
# 定义测试函数
def test_func():
nonlocal errors, successes
for _ in range(num_requests):
try:
start_time = time.time()
requests.get(url, timeout=timeout)
end_time = time.time()
response_time = end_time - start_time
response_times.append(response_time)
successes += 1
except requests.exceptions.RequestException:
errors += 1
# 创建测试线程
threads = []
for _ in range(num_threads):
t = threading.Thread(target=test_func)
threads.append(t)
# 启动测试线程
for t in threads:
t.start()
# 等待测试线程结束
for t in threads:
t.join()
# 计算测试结果
total_requests = num_threads * num_requests
throughput = successes / (sum(response_times) or 1)
concurrency = num_threads
error_rate = errors / (total_requests or 1)
cpu_usage = psutil.cpu_percent()
memory_usage = psutil.virtual_memory().percent
# 输出测试结果
print(f'总请求数：{total_requests}')
print(f'总时间：{sum(response_times):.2f}s')
print(f'吞吐量：{throughput:.2f} requests/s')
print(f'并发数：{concurrency}')
print(f'错误率：{error_rate:.2%}')
print(f'CPU利用率：{cpu_usage:.2f}%')
print(f'内存利用率：{memory_usage:.2f}%')
# 将测试结果写入文件
with open('performance_test_result.txt', 'w') as f:
f.write(f'总请求数：{total_requests}\n')
f.write(f'总时间：{sum(response_times):.2f}s\n')
f.write(f'吞吐量：{throughput:.2f} requests/s\n')
f.write(f'并发数：{concurrency}\n')
f.write(f'错误率：{error_rate:.2%}\n')
f.write(f'CPU利用率：{cpu_usage:.2f}%\n')
f.write(f'内存利用率：{memory_usage:.2f}%\n')
到此这篇关于Python+Pytest实现压力测试详解的文章就介绍到这了,更多相关Python Pytest压力测试内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了TensorFlow实现iris数据集线性回归，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-09-09
本文给大家分享的是Python使用多线程通过ping命令检测服务器的在线状况，给大家了内网和外网的2个例子，有需要的小伙伴可以参考下。2015-11-11
JSON(JavaScript Object Notation) 是一种轻量级的数据交换格式。接下来通过本文给大家介绍python解析json文件相关知识，对python解析json文件相关知识感兴趣的朋友一起学习吧2016-03-03
这篇文章主要介绍了Python中xml和json格式相互转换操作,结合实例形式分析了xmltodict库的安装及xml格式与json格式数据相互转换操作技巧,需要的朋友可以参考下2018-12-12
这篇文章主要介绍了Scrapy元素选择器Xpath用法汇总，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-03-03
今天小编就为大家分享一篇对python实时得到鼠标位置的示例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
计算机只能理解机器码。归根结底，编程语言只是一串文字，目的是为了让人类更容易编写他们想让计算机做的事情。真正的魔法是由编译器和解释器完成，它们弥合了两者之间的差距。解释器逐行读取代码并将其转换为机器码2023-01-01
这篇文章主要介绍了使用Python的PIL模块来进行图片对比的方法,搜索引擎最基本的图片搜索也是利用图片颜色值的对比来实现的,需要的朋友可以参考下2016-02-02
这篇文章主要介绍了分享8 个常用pandas的 index设置，pandas 中的 index 是行索引或行标签。行标签可以说是 pandas 的灵魂一签，支撑了 pandas 很多强大的业务功能，比如多个数据框的 join, merge 操作，自动对齐等，下面来看看文章得具体介绍吧2021-12-12
这篇文章主要介绍了JAVA SWT事件四种写法实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
最新评论