背景
最近自己開發了一個小的接口,功能測完了,突然想測下性能,原來做性能測試,我一直用的是HP的LoadRunner,前一段時間正好看過locust,想想就用這個來測測性能吧。
由于對LR比較熟,正好做個對比,這樣更利于對新東西的理解。
基礎
python高精度、目前locust還只支持Python 2版本。
測試需求
驗證在相同的服務器端的情況下,使用LR和locust分別進行性能測試,在相同并發用戶的情況下,驗證平均響應時間,TPS值等性能測試指標的差異。
為了方便,使用http協議,一個get請求,一個post請求,交易比例為1:1。
服務器端
python運行效率。為了簡單易理解,用Python的bottle框架寫了一個服務器端,2個交易,一個get,一個post請求,交易中加了2個不同的sleep。
代碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
__author__ = 'among,lifeng29@163.com'
python 性能,from bottle import *
from time import sleep
app = Bottle()
@app.route('/transaction_1', method='GET')
def tr1():
python性能解決,sleep(0.2)
resp = dict()
resp['status'] = 0
resp['value'] = 'xxx'
return resp
python如何提高運行速度。@app.route('/transaction_2', method='POST')
def tr2():
parm1 = request.forms.get('parm1')
parm2 = request.forms.get('parm2')
sleep(0.5)
python性能分析工具。resp = dict()
resp['status'] = 0
resp['value'] = 'yyy'
return resp
run(app=app, server='cherrypy', host='0.0.0.0', port=7070, reloader=False, debug=False)
python性能分析與優化,服務器端部署在一個單獨的Windows的機器中,基于Python 3,啟動后,監聽7070端口。
LR中的測試腳本
在另外的一個Windows機器中,使用LR 11,用的是http/html協議的腳本,主要代碼如下:
用了2個action,用于劃分交易比例。
action1:
python代碼?Action1()
{
lr_start_transaction("get");
web_reg_find("Text=xxx",
LAST);
web_custom_request("Head",
"URL=http://10.0.244.108:7070/transaction_1",
"Method=GET",
"Resource=0",
"Referer=",
LAST);
lr_end_transaction("get", LR_AUTO);
return0;
}
action2:
Action2()
{
lr_start_transaction("post");
web_reg_find("Text=yyy",
LAST);
web_custom_request("Head",
"URL=http://10.0.244.108:7070/transaction_2",
"Method=POST",
"Resource=0",
"Referer=",
"Body=parm1=123&parm2=abc",
LAST);
lr_end_transaction("post", LR_AUTO);
return0;
}
使用1:1的比例設置2個transaction的執行比例:
LR中的執行方法,直接放到場景中,執行即可。
locust中的測試腳本
在另外的mac中,使用locust執行測試,全部通過代碼實現。代碼如下:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
__author__ = 'among,lifeng29@163.com'
from locust import *
class mytest(TaskSet):
@task(weight=1)
def transaction_1(self):
with self.client.get(name='get', url='/transaction_1', catch_response=True) as response:
if 'xxx' in response.content:
response.success()
else:
response.failure('error')
@task(weight=1)
def transaction_2(self):
dt = {
'parm1': '123',
'parm2': 'abc'
}
with self.client.post(name='post', url='/transaction_2', data=dt, catch_response=True) as response:
if 'yyy' in response.content:
response.success()
else:
response.failure('error')
class myrun(HttpLocust):
task_set = mytest
host = 'http://10.0.244.108:7070'
min_wait = 0
max_wait = 0
具體的參數可以查看官方文檔。
其中:
主類繼承HttpLocust,用于測試http協議的系統;
min_wait和max_wait用于設置執行task過程中的等待時間,相當于LR中Pacing的設置,這里都設置為0;
task裝飾器類似于LR中的事務,可以做嵌套;
weight相當于權重,如2個事務是1:1,保持比例一致就行;
這里寫了2個事務,分別為get和post;對response的判斷通過python的語法實現,類似于LR中的檢查點。
執行方法,通過命令行啟動:
如下圖:
LR中的測試過程和結果
測試過程:
直接設置并發用戶數和加載方式,10個用戶并發,同時加載就可以了。
測試結果:
平均響應時間:
TPS:
事務:
Locust中的測試過程和結果
設置需要的并發用戶數和用戶加載策略。
這里設置相同的10用戶并發,Hatch Rate是每秒啟動多少用戶的意思。這里設置為10,就是同時啟動10個了。注意,這里不好設置執行多久,和LR不一樣。(可以不啟動瀏覽器,直接在啟動參數中設置并發用戶數,執行多少個事務后結束,具體用-h可以看到幫助)
啟動執行后:
其中,Average中為平均響應時間等測試指標,最后一列的reqs/sec相當于LR中的TPS。(這里locust把它叫做rps),其他指標都比較好理解了。
最后的結果:
在web頁面中可以下載原始的測試結果數據。
在停掉python命令后,在終端中也可以看到一些信息,最后的一行是百分之X的響應時間,表示百分之多少的交易在XXX響應時間內。
這里比LR中的要多點,包括了50%到100%的響應時間。
結果比較
在相同的服務器端環境,測試的結果值相似,沒有多大的區別。
在設置交易比例的過程中,可以看到get和post交易的比例都存在差異。這個也無法避免(除非自己寫腳本劃分)。所以tps方面存在些差異。不過總體差距很小。
總結
性能測試,重點是考察并發用戶數、響應時間、tps這類指標。
一直用的是LR,LR在一起概念上更易于理解,在有lr的基礎上,在看其他的工具,就比較容易了。
locust也可以支持分布式執行(多執行機),用來簡單測試這類http的接口,也算比較方便。
而且,locust全部基于Python腳本,擴展性不錯,號稱可以測試任何協議和系統。
最后,我還是那句話,看什么事情,用什么工具最高效易用,用合適的工具做合適的事情即可。
歡迎大家討論。
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态