基于python locust库实现性能测试

Locust（俗称 蝗虫）, 一个轻量级的开源压测工具，用Python编写。

安装

pip3 install locust

Python编写性能测试脚本

import json

from locust import HttpLocust, TaskSet, task

"""
创建后台管理站点压测类，需要继承TaskSet
可以添加多个测试任务
"""

class AdminLoadTest(TaskSet):

  # 用户执行task前调用
  def on_start(self):
    pass

  # 用户执行task后调用
  def on_stop(self):
    pass

  @task(1)
  def download(self):
    header = {"Content-Type": "application/json"}
    data = {
      "staff_id": 94
    }
    data = json.dumps(data)
    self.client.post('/get_know_list', data=data, headers=header)

  @task(2)
  def body(self):
    header = {"Content-Type": "application/json"}
    data = {
      "staff_id": 94
    }
    data = json.dumps(data)
    self.client.post('/get_answer_list', data=data, headers=header)

class RunLoadTests(HttpLocust):
  """
  创建运行压测类
  """
  task_set = AdminLoadTest
  min_wait = 1000
  max_wait = 50000
  weight = 1
if __name__ == "__main__":
  import os

  os.system("locust -f test_download.py --host=http://127.0.0.1:5000")

AdminLoadTest类继承TaskSet类，用以描述用户行为：

使用@task装饰的方法为一个事务，方法的参数用于指定该行为的执行权重，参数越大每次被用户执行的概率越高，默认为1（事务blogs()被执行的概率是bky_index()的2倍）；

  • on_start()：每个locust用户执行测试事务之前执行一次，用于做初始化的工作，如登录；
  • on_stop(): 每次执行完测试事务之后执行一次。
  • RunLoadTests类用于设置性能测试属性：
  • task_set：指向定义的一个用户行为类；
  • min_wait：模拟用户在执行每个任务之间等待的最小时间，单位为毫秒；
  • max_wait：模拟用户在执行每个任务之间等待的最大时间，单位为毫秒（min_wait和max_wait默认值为1000，因此，如果没有声明min_wait和max_wait，则locust将在每个任务之间始终等待1秒。）；
  • weight：一个文件中有多个locust用户类时，指定用户类的权重（默认新增locust用户时会随机选择一个用户类）；

启动

终端进入代码目录，输入 locust -f start.py --host=http://localhost:5000

使用os.system在代码里面写入启动命令

各个参数的含义

  • -f : 指定要运行的测试脚本文件
  • --host : 要加载主机的URL前缀,不指定时，读取WebsiteUser类中定义的host；
  • --master : 单台机器不能模拟更多用户时，分布式模式，通过--master指定主进程；打开Locust的web界面

使用上面的命令行启动Locust之后，应该打开浏览器并将其指向http://localhost:8089/(如果您在本地运行Locust)。

Number of total users to simulate : 设置模拟用户数；Hatch rate（users spawned/second） : 每秒产生（启动）的虚拟用户数；

设置好模拟用户后，点击Start swarming开始测试，测试结果如下：

  • Type　　 ：请求的类型，如GET/POST；
  • Name ：请求的路径；
  • request ：已发出请求数量；
  • fails ：请求失败的数量；
  • Median ：响应时间的中间值（单位：毫秒）；
  • Average ：平均响应时间（单位：毫秒）；
  • Min ：请求的最小响应时间（单位：毫秒）；
  • Max ：请求的最大响应时间（单位：毫秒）；
  • Content Size：单个请求的大小（单位：字节）；
  • reqs/sec：每秒钟请求的个数；

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

赞 (0)

相关推荐

  • Python实现性能自动化测试竟然如此简单

    一.思考❓❔ 1.什么是性能自动化测试? 性能系统负载能力超负荷运行下的稳定性系统瓶颈自动化测试使用程序代替手工提升测试效率性能自动化使用代码模拟大批量用户让用户并发请求多页面多用户并发请求采集参数,统计系统负载能力生成报告 2.Python中的性能自动化测试库? locust库 使用Python使用代码来创建批量用户分布式可以在多台服务器上,进行分布式性能测试可伸缩性强稳定.应用广泛经得住各种场景下的考验基于web ui界面展示测试详情能测任何系统 二.基础操作

  • Python 3.6 性能测试框架Locust安装及使用方法(详解)

    Python 3.6 性能测试框架Locust安装及使用方法(详解)

    背景 Python3.6 性能测试框架Locust的搭建与使用 基础 python版本:python3.6 开发工具:pycharm Locust的安装与配置 点击"File"→"setting" 点击"setting",进入设置窗口,选择"Project Interpreter" 点击"+" 输入需要"Locust",点击"Install Package" 安装完成

  • Python性能分析工具Profile使用实例

    这篇文章主要介绍了Python性能分析工具Profile使用实例,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 代码优化的前提是需要了解性能瓶颈在什么地方,程序运行的主要时间是消耗在哪里,对于比较复杂的代码可以借助一些工具来定位,python 内置了丰富的性能分析工具,如 profile,cProfile 与 hotshot 等.其中 Profiler 是 python 自带的一组程序,能够描述程序运行时候的性能,并提供各种统计帮助用户定位程序

  • 基于python的Linux系统指定进程性能监控思路详解

    监控Linux服务器的工具.组件和程序网上有很多,但是一台服务器上会有很多进程同时运行,特别是做性能测试的时候,可能一台服务器上部署多个服务,如果只监控整个服务器的CPU和内存,当某个服务出现性能问题时,并不能有效准确的定位出(当然通过其他工具也可以实现),因此,很有必要只监控指定的进程.需求明确了,于是动手撸了一个性能监控脚本. 一.整体思路 1.为了方便的启动监控和停止监控,在想查看监控结果的时候随时查看监控结果,用flask开启了一个服务,通过发送get请求可以随时启停监控和查看监控结果.

  • 如何使用Python标准库进行性能测试

    如何使用Python标准库进行性能测试

    Profile 和 cProfile 在 Python 标准库里面有两个模块可以用来做性能测试. 1. 一个是 Profile,它是一个纯 Python 的实现,所以会慢一些,如果你需要对模块进行拓展,那么这个模块比较合适. 2. 第二个是 cProfile,从名字就可以看出这是一个 C 语言的实现版,官方推荐在大多数情况下使用. 这两者的接口和数据的输出格式是完全一样的,你可以在这两者之间自由的切换,所以下面我们仅以 cProfile 为例进行介绍. 使用 cProfile 进行性能测试 在

  • python性能测量工具cProfile使用解析

    背景: Python是一种解释性的语言,执行速度相比C.C++等语言十分缓慢:因此我们需要在其它地方上下功夫来提高代码的执行速度. 首先需要对代码进行分析,这个时候则需要用一些工具. 这里介绍cProfile: 全代码分析: 命令行: cProfile -s tottime your_program.py 结果如下: ncalls tottime percall cumtime percall filename:lineno(function) 66 0.001 0.000 11.850 0.1

  • 基于python locust库实现性能测试

    Locust(俗称 蝗虫), 一个轻量级的开源压测工具,用Python编写. 安装 pip3 install locust Python编写性能测试脚本 import json from locust import HttpLocust, TaskSet, task """ 创建后台管理站点压测类,需要继承TaskSet 可以添加多个测试任务 """ class AdminLoadTest(TaskSet): # 用户执行task前调用 def

  • 基于python requests库中的代理实例讲解

    直接上代码: #request代理(proxy) """ 1.启动代理服务器Heroku,相当于aliyun 2.在主机1080端口启动Socks 服务 3.将请求转发到1080端口 4.获取相应资源 首先要安装包pip install 'requests[socksv5]' """ import requests #定义一个代理服务器,所有的http及https都走socks5的协议,sock5相当于http协议,它是在会话层 #把它转到本机的

  • 基于Python Dash库制作酷炫的可视化大屏

    基于Python Dash库制作酷炫的可视化大屏

    目录 介绍 数据 大屏搭建 介绍 大家好,我是小F- 在数据时代,我们每个人既是数据的生产者,也是数据的使用者,然而初次获取和存储的原始数据杂乱无章.信息冗余.价值较低. 要想数据达到生动有趣.让人一目了然.豁然开朗的效果,就需要借助数据可视化. 以前给大家介绍过使用Streamlit库制作大屏,今天给大家带来一个新方法. 通过Python的Dash库,来制作一个酷炫的可视化大屏! 先来看一下整体效果,好像还不错哦. 主要使用Python的Dash库.Plotly库.Requests库. 其中R

  • 基于Python matplotlib库绘制箱线图

    基于Python matplotlib库绘制箱线图

    目录 1. 关于箱线图 及 plt.boxplot()方法 2. 绘制一幅简单的箱线图 3. 绘制一幅更精致的图像 4. 异常值的标准 5. 异常值的输出 1. 关于箱线图 及 plt.boxplot()方法 箱线图又称箱形图,有的地方也可以叫盒须图.使用箱线图的好处是可以以一种相对稳定的方式描述数据离散分布情况,识别数据中的异常值. 在pthon的matplotlib库中绘制箱线图使用的是plt.boxplot()方法. 该方法的主要参数如下 参数 描述 x 要绘制箱线图的数据 notch 是

  • 解决Python requests库编码 socks5代理的问题

    编码问题 response = requests.get(URL, params=params, headers=headers, timeout=10) print 'self.encoding',response.encoding output: self.encoding ISO-8859-1 查了一些相关的资料,看了下requests的源码,只有在服务器响应的头部包含有Content-Type,且里面有charset信息,requests能够正确识别,否则就会使用默认的 ISO-8859

  • 基于python的itchat库实现微信聊天机器人(推荐)

    基于python的itchat库实现微信聊天机器人(推荐)

    一.开始之前必须安装itchat库 pip install itchat(使用pip必须在电脑的环境变量中添加Python的路径) 或 conda install request 二.开始编程前,我们需要在图灵机器人官网注册自己的图灵机器人,来实现我们程序的智能聊天功能 1.图灵机器人官网(http://www.turingapi.com/) 2.注册登录后点击创建机器人 3.创建成功后,可以获得机器人提供的API接口(apikey) 三.代码实现 import itchat import re

  • Python基于内置库pytesseract实现图片验证码识别功能

    这篇文章主要介绍了Python基于内置库pytesseract实现图片验证码识别功能,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 环境准备: 1.安装Tesseract模块 git文档地址:https://digi.bib.uni-mannheim.de/tesseract/ 下载后就是一个exe安装包,直接右击安装即可,安装完成之后,配置一下环境变量,编辑 系统变量里面 path,添加下面的安装路径: 2.如果您想使用其他语言,请下载相应的

  • Python常用库大全及简要说明

    环境管理 管理 Python 版本和环境的工具 p:非常简单的交互式 python 版本管理工具.官网 pyenv:简单的 Python 版本管理工具.官网 Vex:可以在虚拟环境中执行命令.官网 virtualenv:创建独立 Python 环境的工具.官网 virtualenvwrapper:virtualenv 的一组扩展.官网 buildout:在隔离环境初始化后使用声明性配置管理.官网 包管理 管理包和依赖的工具. pip:Python 包和依赖关系管理工具.官网 pip-tools:

  • Python locust工具使用详解

    Python locust工具使用详解

    今年负责部门的人员培养工作,最近在部门内部分享和讲解了locust这个工具,今天再博客园记录下培训细节.相信你看完博客,一定可以上手locust这个性能测试框架了. 一.简介 1.优势 locust是python语言开发的一款的开源的的性能测试框架,他比jmeter更加的轻量级,主要是通过协程(gevent)的方式去实现并发,通过协程的方式可以大幅提高单机的并发能力,同时避免系统级的资源调度.locust具有开源性.分布式.支持高并发,支持webUI的操作方式. 2.劣势 locust的图表功能

随机推荐