python高精度，基于python的性能測試工具_基于 Python 的性能測試工具 locust 與 LR 的簡單對比［轉發］...

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。