python 写一个性能测试工具（一）
国庆重新学习了一下go的gin高性能测试框架。
用JMeter来测试gin与flask接口的性能，差别很大。
为什么我自己不尝试写一个性能工具，性能工具的核心就是并发和请求。
请求可以选择Python的requests库。
并发可以通过python的进程、线程、协程模拟。
这么一想，也不是很难了，上手撸一个。
依赖库
requests==2.22.0 gevent==20.9.0 numpy==1.19.2
requests大家并不陌生，HTTP请求库。
gevent是python协程库，通过协程模拟并发更节省资源，在同样配置下能模拟更多的并发。
numpy是python的数据计算库，提供大量组数和矩阵运算，这里用它求列表的平均值。
实现脚本
好了，接下来开始上手写代码了。
from__future__importprint_function
importtime
importgevent
fromgeventimportmonkey
monkey.patch_all()
importrequests
fromnumpyimportmean
users=10#用户数
numbers=100#请求次数
req_url="http://127.0.0.1:8080/user/tom"#请求URL
print("请求URL:{url}".format(url=req_url))
print("用户数：{}，循环次数:{}".format(users,numbers))
print("==============Running===================")
pass_number=0
fail_number=0
run_time_list=[]
defrunning(url):
globalfail_number
globalpass_number
for_inrange(numbers):
start_time=time.time()
r=requests.get(url)
ifr.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_urlinrange(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("请求成功",pass_number)
print("请求失败",fail_number)
print("==============end===================")
设计思路
在JMeter中创建线程组有两个参数线程数和循环数，即用户数和请求数，设置多少个用户，每个用户用户跑多少次，用户数通过协程模拟，每次用户运行次数通过for循环实现。
至于请求就比较简单了，直接通过requests发送请求。通过判断影响的状态码是否为200来判断是否成功，通过分别计算成功和失败的请求个数。
关于请求时间统计，在每次请求前后获得当前时间戳，然后计算时间差就是单个接口的调用时间。最大，最小，平均通过计算就可轻松的得到。
>python3ab.py 请求URL:http://127.0.0.1:8080/user/tom 用户数：10，循环次数:100 ==============Running=================== ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... ............................................................................................................... . ==============Results=================== 最大:0.0352s 最小:0.0036s 平均:0.0204s 请求成功1000 请求失败0 ==============end===================
后续
把ab.py脚本做成ab命令行工具。
支持更多的请求类型（get/post/put/delete）和参数。
更多统计维度，吞吐量、吞吐率
增加启动时间，思考时间等
...
以上就是python写一个性能测试工具（一）的详细内容，更多关于python性能测试工具的资料请关注毛票票其它相关文章！