Jmeter并发执行Python 脚本的完整流程

1. 前言

大家好，我是安果！

最近有小伙伴后台给我留言，说自己用 Django 写了一个大文件上传的 Api 接口，现在想本地检验一下接口并发的稳定性，问我有没有好的方案

本篇文章以文件上传为例，聊聊Jmeter 并发执行 Python 脚本的完整流程

2. Python 实现文件上传

大文件上传包含 3 个步骤，分别是：

获取文件信息及切片数目
分段切片，并上传- API
文件合并- API
文件路径参数化

2-1获取文件信息及切片数目

首先，获取文件的大小

然后，利用预设的切片大小获取分段总数

最后，获取文件名及 md5 值

import osimport mathimport hashlibdef get_file_md5(self, file_path):\"\"\"获取文件的md5值\"\"\"with open(file_path, \'rb\') as f:data = f.read()return hashlib.md5(data).hexdigest()def get_filename(self, filepath):\"\"\"获取文件原始名称\"\"\"# 文件名带后缀filename_with_suffix = os.path.basename(filepath)# 文件名filename = filename_with_suffix.split(\'.\')[0]# 后缀名suffix = filename_with_suffix.split(\'.\')[-1]return filename_with_suffix, filename, suffixdef get_chunk_info(self, file_path):\"\"\"获取分段信息\"\"\"# 获取文件总大小(字节)file_total_size = os.path.getsize(file_path)print(file_total_size)# 分段总数total_chunks_num = math.ceil(file_total_size / self.chunk_size)# 文件名（带后缀）filename = self.get_filename(file_path)[0]# 文件的md5值file_md5 = self.get_file_md5(file_path)return file_total_size, total_chunks_num, filename, file_md5

2-2切片及分段上传

利用分段总数和分段大小，对文件进行切片，调用分段文件上传接口

import requestsdef do_chunk_and_upload(self, file_path):    \"\"\"将文件分段处理，并上传\"\"\"file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(file_path)# 遍历for index in range(total_chunks_num):print(\'第{}次文件上传\'.format(index + 1))if index + 1 == total_chunks_num:partSize = file_total_size % chunk_sizeelse:partSize = chunk_size# 文件偏移量offset = index * chunk_size# 生成分片id,从1开始chunk_id = index + 1print(\'开始准备上传文件\')print(\"分片id:\", chunk_id, \"文件偏移量：\", offset, \",当前分片大小:\", partSize, )# 分段上传文件self.__upload(offset, chunk_id, file_path, file_md5, filename, partSize, total_chunks_num)def __upload(self, offset, chunk_id, file_path, file_md5, filename, partSize, total):\"\"\"分次上传文件\"\"\"url = \'http://**/file/brust/upload\'params = {\'chunk\': chunk_id,\'fileMD5\': file_md5,\'fileName\': filename,\'partSize\': partSize,\'total\': total}# 根据文件路径及偏移量，读取文件二进制数据current_file = open(file_path, \'rb\')current_file.seek(offset)files = {\'file\': current_file.read(partSize)}resp = requests.post(url, params=params, files=files).textprint(resp)

2-3合并文件

最后调用合并文件的接口，将分段小文件合成大文件

def merge_file(self, filepath):\"\"\"合并\"\"\"url = \'http://**/file/brust/merge\'file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(filepath)        payload = json.dumps({\"fileMD5\": file_md5,\"chunkTotal\": total_chunks_num,\"fileName\": filename})print(payload)headers = {\"Content-Type\": \"application/json\"}resp = requests.post(url, headers=headers, data=payload).textprint(resp)

2-4文件路径参数化

为了并发执行，将文件上传路径参数化

# fileupload.py...if __name__ == \'__main__\':filepath = sys.argv[1]# 每一段切片的大小(MB)chunk_size = 2 * 1024 * 1024fileApi = FileApi(chunk_size)# 分段上传fileApi.do_chunk_and_upload(filepath)# 合并fileApi.merge_file(filepath)

3. Jmeter 并发执行

在使用 Jmeter 创建并发流程前，我们需要编写批处理脚本

其中，执行批处理脚本时，需要跟上文件路径一起执行

# cmd.bat@echo offset filepath=%1python  C:\\Users\\xingag\\Desktop\\rpc_demo\\fileupload.py %*

然后，在本地新建一个 CSV 文件，写入多个文件路径

# 准备多个文件路径（csv）
C:\\\\Users\\\\xingag\\\\Desktop\\\\charles-proxy-4.6.1-win64.msi
C:\\\\Users\\\\xingag\\\\Desktop\\\\V2.0.pdf
C:\\\\Users\\\\xingag\\\\Desktop\\\\HBuilder1.zip
C:\\\\Users\\\\xingag\\\\Desktop\\\\HBuilder2.zip

接着，就可以使用 Jmeter 创建并发流程了

完整步骤如下：

创建一个测试计划，下面添加一个线程组

这里线程组数目与上面文件数目保持一致即可

线程组下，添加「同步定时器」

同步定时器中的「模拟用户组的数量」和上面参数数量保持一致

添加 CSV 数据文件设置

指向上面准备的 csv 数据文件，设置文件格式为 UTF-8，变量名称设置为file_path，最后将线程共享模式设置为「当前线程组」

添加调试取样器，方便调试
添加 OS 进程取样器

选择上面创建的批处理文件，命令行参数设置为「${file_path}」

添加查看结果数

4. 最后

运行上面创建的 Jmeter 并发流程，在结果数中可以查看并发上传文件的结果

当然，我们可以增加并发数量去模拟真实的使用场景，只需要修改 CSV 数据源及 Jmeter 参数即可

到此这篇关于Jmeter并发执行 Python 脚本的问题详解的文章就介绍到这了,更多相关Jmeter并发执行 Python 脚本内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Jmeter并发执行Python 脚本的完整流程
python软件测试Jmeter性能测试JDBC Request(结合数据库)的使用详解
Jmeter调用Python脚本实现参数互相传递的实现
基于Python组装jmx并调用JMeter实现压力测试
python利用JMeter测试Tornado的多线程
python Django编写接口并用Jmeter测试的方法

目录