基于 k6 和 python 进行自动化性能测试

绝地灬酷狼 2023-10-13 16:06 9阅读 0赞

当我们开发完成一个应用程序时，往往需要对其进行**性能测试**，以帮助我们更好的优化程序以及发现程序中的一些 bug。在性能测试中，达到相应的性能指标对于一个软件来说十分重要，在本文中，将介绍一种现代化性能测试工具 k6。

k6 是一个开源工具，基于 JavaScript 可以编写 k6 的测试脚本，测试 Web 应用程序以及 API 的性能，支持 HTTP 等多种协议，可以很好地模拟各种高负载场景，充分验证程序稳定性和性能。k6 支持 **Linux**、MacOS 等多个平台，通过 k6 官网根据提示即可在各个平台快速安装 k6，终端输入 k6 version 出现如下显示说明安装成功。

![fedda59e20a4411094435249a1a58d9c.png][]

以下是一个简单的 k6 测试脚本，通过 k6 的 HTTP API 模拟 Get 请求，并且休眠一秒钟：K。

import http from 'k6/http';
    　　import { sleep } from 'k6';
    　　export default function () {
    　　http.get('https://test-api.com');
    　　sleep(1);
    　　}

通过执行下面这行代码，运行脚本，即可对服务完成测试。

k6 run test-script.js

k6 提供了丰富的功能，以下是 k6 常用的一些 API，具体可以参考官网文档介绍：

- http.get(url, [options])：发送GET请求。
    　　- http.post(url, body, [options])：发送POST请求。
    　　- check(res, checks)：检查响应是否符合预期。
    　　- group(name, func)：将一组请求分组并统计性能指标。
    　　- sleep(duration)：休眠指定的时间。

k6 的测试结果包括以下一些指标，可以根据这些指标，更好的优化程序。

- VUs：虚拟用户的数量。
    　　- Iterations：迭代次数。
    　　- RPS：每秒钟的请求数。
    　　- Duration：测试持续时间。
    　　- Data Sent/Received：发送和接收的数据量。
    　　- Checks：检查的数量。
    　　- Status codes：响应状态码的数量。
    　　- Errors：错误的数量。
    　　- Latency distribution：延迟分布。

通过 **Python** 和 k6 你可以更加高效的完成符合自己要求的**自动化测试**，Python 可以提供非常多的工具库，用来收集处理 k6 返回的结果。 我们可以编写以下 k6 测试脚本，并且通过 Python 去执行它，相关注释我已经标注出来，在 handleSummary 函数中，我们可以通过 metrics 来获取各种测试信息，具体如代码所示，可以参考官网关于 metrics 的介绍，同时自定义环境变量的使用也十分方便，可以参考代码中的使用方式。

import http from 'k6/http';
    　　import { check, sleep} from 'k6';
    　　import {Rate} from 'k6/metrics';
    　　export default function() {
    　　#post请求所需要的body体
    　　let requestBody = {
    　　"xxx":[
    　　"xxxxx"
    　　],
    　　"xxxx": __ENV.MyVar # MyVar为自定义的环境变量，可以通过__ENV调用，在执行脚本时可直接通过MyVar=xxx传值
    　　};
    　　#url
    　　const url = 'http://example.com';
    　　const payload = JSON.stringify(requestBody);
    　　const params = {
    　　headers: {
    　　'Content-Type': 'application/json',
    　　},
    　　timeout: '100s' #每个请求的超时时间
    　　};
    　　let res = http.post(url, payload, params);
    　　#检测结果是否是200OK
    　　check(res, { 'status is 200': (r) => r.status === 200 });
    　　}
    　　export function handleSummary(data) {
    　　#通过data.metrics中的字段可以获取你想要的一些信息，例如每个请求的持续时间和吞吐量
    　　const time = `${data.metrics.http_req_duration.values.avg.toFixed(3)}`;
    　　const rps = `${data.metrics.http_reqs.values.rate.toFixed(3)}`;
    　　const res = `${time} ${rps}`;
    　　console.log(res); # 利用console.log可以将内容打印到控制台
    　　return {stdout : res}; #输出到标准输出
    　　}

如下是一个 Python 代码示例，相关代码已经注释，通过 Python 中的 subprocess 模块执行 k6 脚本，并且捕获 k6 脚本的输出，通过 pandas 库进行整理输出到 excel 中。还可以通过 argparse 库解析命令行参数传入 k6 脚本中，更加灵活，高效。

# -*- coding: utf-8 -*-
    　　import subprocess
    　　from alive_progress import alive_bar # 非常丰富的进度条工具库
    　　from tqdm import tqdm # 进度条工具库
    　　import pandas as pd # 可以用来处理文本excel，csv等
    　　from collections import OrderedDict
    　　import argparse # 用来解析命令行参数
    　　import time
    　　print('测试时间 : ', time.strftime('%b %d %Y %H:%M:%S', time.gmtime(time.time())))
    　　print("************开始测试啦！ 祈祷不出错！**************")
    　　# 需要测试的测试语句集合
    　　test_examples = [
    　　"aaaaaaa",
    　　"bbbbbbb",
    　　"ccccccc"
    　　]
    　　dataMap = {'test': test_examples}
    　　parser = argparse.ArgumentParser()
    　　parser.add_argument("-d", default="60s", help="duration time", dest="duration_time") #解析命令行参数，控制测试时间
    　　args = parser.parse_args()
    　　print("每条语句测试时间 : ", args.duration_time)
    　　vus = ['10', '20', '30', '40'] # 并发数集合 ，分别测试并发数为10,20,30,40的场景
    　　cols_name = ['1-avg/ms', '1-rps/s', '10-avg/ms', '10-rps/s','20-avg/ms', '20-rps/s','50-avg/ms', '50-rps/s'] # excel的列名
    　　# 循环测试，可以将多个需要测试的语句集合放入到dataMap中
    　　for (name, data) in dataMap.items():
    　　print("当前测试的项目为 ：", name)
    　　res = OrderedDict()
    　　res['test_examples'] = []
    　　for n in cols_name:
    　　res[n] = []
    　　df = pd.DataFrame(res)
    　　excel_name = name + ".xlsx"
    　　df.to_excel(excel_name, index=False)
    　　for query in data:
    　　print("当前测试语句为 ：", query)
    　　origin = pd.read_excel(excel_name)
    　　with alive_bar(len(vus)) as bar:
    　　temp_dict = {}
    　　temp_dict['test_examples'] = query
    　　for vu in vus:
    　　keyRps = vu + '-rps/s'
    　　keyTime = vu + '-avg/ms'
    　　MyVar='MyVar=' + query
    　　#通过Popen执行k6脚本，并且捕获它的标准输出
    　　process = subprocess.Popen(['k6', 'run', '--quiet', 'script.js', '--env', MyVar, '--vus', vu, '--duration', args.duration_time], stdout=subprocess.PIPE, stderr=subprocess.PIPE)
    　　result = process.stdout.read()
    　　temp = result.split()
    　　temp_dict[keyTime] = temp[0].decode();
    　　temp_dict[keyRps] = temp[1].decode();
    　　print("并发：", vu, temp[0].decode(), temp[1].decode())
    　　bar()
    　　#将脚本输出写到excel
    　　save_data = origin.append(temp_dict, ignore_index=True)
    　　save_data.to_excel(excel_name, index=False)

执行此 Python 脚本，可以得到类似以下输出：

![046bdf847b7045a7b0632bbc4fdf48a2.png][]

**最后：**下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取**【保证100%免费】**

![8b0171187dce405e878f274a8cdd9ec0.png][]

#### **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。

![a3e4226c935c4242804cbdf26b571bc6.png][]

![74c28020c479412ab20b550cddeb46fa.gif][]

[fedda59e20a4411094435249a1a58d9c.png]: https://img-blog.csdnimg.cn/fedda59e20a4411094435249a1a58d9c.png
[046bdf847b7045a7b0632bbc4fdf48a2.png]: https://img-blog.csdnimg.cn/046bdf847b7045a7b0632bbc4fdf48a2.png
[8b0171187dce405e878f274a8cdd9ec0.png]: https://img-blog.csdnimg.cn/8b0171187dce405e878f274a8cdd9ec0.png
[a3e4226c935c4242804cbdf26b571bc6.png]: https://img-blog.csdnimg.cn/a3e4226c935c4242804cbdf26b571bc6.png
[74c28020c479412ab20b550cddeb46fa.gif]: https://img-blog.csdnimg.cn/74c28020c479412ab20b550cddeb46fa.gif