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。本文就来用Pytest进行压力测试，希望对大家有所帮助

−

目录

• 1.程序说明

  • 1.1 设置测试参数

  • 1.2 初始化测试结果

  • 1.3 定义测试函数

  • 1.4 创建线程、执行线程、等待

  • 1.5 计算测试结果

  • 1.6 将测试结果写入文件

• 2.程序执行

  • 2.1 直接执行

  • 2.2 加个装饰器然后出报告

• 3.案例缺陷

• 4 完整源码

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，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

设置网站的URL， 线程数， 每个线程的请求次数，以及超时时间。 可以看到一共会做4000次请求。

1.2 初始化测试结果

这段代码， 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， 定义一个内部函数。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。

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.execachedir: .pytest_cachemetadata: {'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\testplugins: allure-pytest-2.12.0, base-url-2.0.0, html-3.2.0, metadata-2.0.4, ordering-0.6, playwright-0.3.0collected 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：（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。

4 完整源码

1. # 压力测试案例  

6. import threading  

9. import time  

12.   

15. import psutil  

18. import pytest  

21. import requests  

24.   

27.   

30. # 定义测试用例  

33. @pytest.mark.performance  

36. def test_performance():  

39.     # 设置测试参数  

42.     url = 'http://www.tdouya.biz/'  

45.     num_threads = 20  

48.     num_requests = 200  

51.     timeout = 5  

54.   

57.     # 初始化测试结果  

60.     response_times = []  

63.     errors = 0  

66.     successes = 0  

69.   

72.     # 定义测试函数  

75.     def test_func():  

78.         nonlocal errors, successes  

81.         for _ in range(num_requests):  

84.             try:  

87.                 start_time = time.time()  

90.                 requests.get(url, timeout=timeout)  

93.                 end_time = time.time()  

96.                 response_time = end_time - start_time  

99.                 response_times.append(response_time)  

102.                 successes += 1  

105.             except requests.exceptions.RequestException:  

108.                 errors += 1  

111.   

114.     # 创建测试线程  

117.     threads = []  

120.     for _ in range(num_threads):  

123.         t = threading.Thread(target=test_func)  

126.         threads.append(t)  

129.   

132.     # 启动测试线程  

135.     for t in threads:  

138.         t.start()  

141.   

144.     # 等待测试线程结束  

147.     for t in threads:  

150.         t.join()  

153.   

156.     # 计算测试结果  

159.     total_requests = num_threads * num_requests  

162.     throughput = successes / (sum(response_times) or 1)  

165.     concurrency = num_threads  

168.     error_rate = errors / (total_requests or 1)  

171.     cpu_usage = psutil.cpu_percent()  

174.     memory_usage = psutil.virtual_memory().percent  

177.   

180.     # 输出测试结果  

183.     print(f'总请求数：{total_requests}')  

186.     print(f'总时间：{sum(response_times):.2f}s')  

189.     print(f'吞吐量：{throughput:.2f} requests/s')  

192.     print(f'并发数：{concurrency}')  

195.     print(f'错误率：{error_rate:.2%}')  

198.     print(f'CPU利用率：{cpu_usage:.2f}%')  

201.     print(f'内存利用率：{memory_usage:.2f}%')  

204.   

207.     # 将测试结果写入文件  

210.     with open('performance_test_result.txt', 'w') as f:  

213.         f.write(f'总请求数：{total_requests}\n')  

216.         f.write(f'总时间：{sum(response_times):.2f}s\n')  

219.         f.write(f'吞吐量：{throughput:.2f} requests/s\n')  

222.         f.write(f'并发数：{concurrency}\n')  

225.         f.write(f'错误率：{error_rate:.2%}\n')  

228.         f.write(f'CPU利用率：{cpu_usage:.2f}%\n')  

231.         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。

 

总结：

感谢每一个认真阅读我文章的人！！！

作为一位过来人也是希望大家少走一些弯路，如果你不想再体验一次学习时找不到资料，没人解答问题，坚持几天便放弃的感受的话，在这里我给大家分享一些自动化测试的学习资源，希望能给你前进的路上带来帮助。

软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

 

          视频文档获取方式：
这份文档和视频资料，对于想从事【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！以上均可以分享，点下方小卡片即可自行领取。