使用场景

登录

我们做性能测试的时候,模拟的用户使用场景经常需要登录,才能进行后续http请求。

这样的情况下用 黑羽压测 怎么模拟呢?

这个,要看被测系统的用户认证机制。

典型的有下面两种机制。


如果 被测系统 使用的是 传统的 session机制。 登录后,服务端会在响应消息的cookie中存入sessionid。客户端后续的请求必须在cookie头中携带sessionid。

这种机制 在 白月黑羽教程中有 详细解释 ,可以参考这里

这样的场景,非常简单,因为 黑羽压测 的客户端 会自动保存 服务端返回 的所有cookie,并且会在后续请求中携带上。 也就是说不需要我们做任何 特别的设置。

下面提供了一个示例:

# 创建客户端     
client = HttpClient('127.0.0.1', # 目标地址:端口
                    timeout=10   # 超时时间,单位秒) 

# 登录, 成功后的cookie会自动保存在client对象里                     
response = client.sendAndRecv(
    'POST',
    "/api/mgr/signin",
    data={
        'username':'byhy',
        'password':'88888888'
    })

# 后续请求自动携带cookie里面的sessionid
response = client.sendAndRecv(
    'GET',         
    "/api/path1",
    )


token机制

如果 被测系统 使用的是 token 机制。 登录后,服务端通常会在响应消息头 中存入token。客户端后续的请求必须在指定头中携带token。

黑羽压测 可以方便的从 响应消息中提取 内容, 并且在后续请求消息中存入。

下面提供了一个示例:

# 创建客户端     
client = HttpClient('127.0.0.1', # 目标地址:端口
                    timeout=10   # 超时时间,单位秒
                       ) 

# 登录, 成功后,token通常在响应消息的消息头中
# 本例中,token所在的消息头名为 jwt
response = client.sendAndRecv(
    'POST',
    "/api/mgr/signin",
    data={
        'username':'byhy',
        'password':'88888888'
    })

# 获取消息头jwt值
jwt = response.getheader('jwt')  

# 后续发送请求,需要在消息头jwt中携带响应中的值
response = client.sendAndRecv(
    'GET',
    "/api/path1",
    # 消息头写在下面字典中
    headers={
        'jwt':jwt
    })

检查响应中的数据

性能测试,我们不能只是检查是否收到了响应就行了。

我们还需要检查响应消息对不对。

要检查HTTP响应消息是否正确,就是检查 各个部分 是否正确,比如状态码、响应消息头、消息体等等。

这些 黑羽压测 有响应的自动代码生成条目, 如下

比如,你要检查响应消息的状态码,如下图箭头处,点击 查看响应状态码

image

会自动产生 代码行

print(f"响应状态码为 {response.status} ") 

我们就知道了 response.status 就是从响应中获取状态码的。

所以我们就可以写出如下代码

# 创建客户端     
client = HttpClient('127.0.0.1',
                    timeout=10
                       ) 

# 发送请求
response = client.sendAndRecv(
    'GET',
    "/api/mgr/signin")

# 检查状态码,必须是200
if (response.status != 200):
    print('状态码不是200,本次操作无法继续')
    # 汇报错误,加入统计结果中
    Stats.oneError()
    # 日志写入详细信息,方便性能测试定位问题
    TestLogger.write('/api/mgr/signin error')

# 后续代码

特别要注意 这两行 代码:

    # 汇报错误,加入统计结果中
    Stats.oneError()
    # 日志写入详细信息,方便性能测试定位问题
    TestLogger.write('/api/mgr/signin error')

黑羽压测代码 检查到 服务端响应数据 有错,就应该记录下来。

Stats.oneError() 是告诉黑羽压测控制台,有错误,这样会在统计图里面显示出一个错误统计。


TestLogger.write() 是立即把错误信息写入测试日志中(日志文件在项目目录的log文件夹中)。

写日志功能 非常有用

  • 可以方便开发人员定位问题

    比如 出现错误时,可以写入详细的错误信息,请求消息的sessionid号, 对应的用户id,设备号等。

    这样开发人员就可以根据 日志中的信息 定位产品的问题。

  • 还可以灵活的添加统计信息,实现各种特殊的需求

    比如,要统计整个测试过程中 响应消息 在不同区间范围的 API请求数量和对应的用户

    就可以自行添加如下代码:

    response = client.sendAndRecv(
      'GET',
      "/api/mgr/signin")
    
    
    rt = response.responseTime # 获取响应时长
      
    if rt > 1000: # 大于1秒
        TestLogger.write(f'API list_order >1s|{username}')
    elif rt > 500: # 大于0.5秒
        TestLogger.write(f'API list_order >0.5s|{username}')
    elif rt > 100: # 大于0.1秒
        TestLogger.write(f'API list_order >0.1s|{username}')
    elif rt > 50: # 大于0.05秒
        TestLogger.write(f'API list_order >0.05s|{username}')
    

    在测试结束后, 分析测试日志,即可得知。

前后消息数据关联

模拟性能测试的过程中,经常需要将 前面一个响应消息的一些数据 进行处理传入到后续的请求中。

比如,一个API消息 /getopcode ,响应消息体是 json格式,如下

{
    "opcode" : "25ea6534y6sdef"
}

下一条 API 消息 /bugdevice, 是 json格式的消息体,如下,

{
    "opcode-md5" : "3223sdfsdf23202304",
    "action"  : 'bug_sword'
}

其中 opcode-md5 是 前面返回的 opcode值的md5结果。

该怎么办呢?


同样,如下图所示,点击红色箭头处 查看消息体json格式

image

会自动产生 蓝色箭头处的代码行,如下

pprint(response.json('utf8'))

我们就知道了 response.json(‘utf8’) 就是从响应中获取json格式消息体内容的(转化为对应的Python数据对象)。

所以我们就可以写出如下代码

# 导入产生md5的库
import hashlib
m = hashlib.md5()

# 创建客户端     
client = HttpClient('127.0.0.1',
                    timeout=10
                       ) 

# 发送请求1
response = client.sendAndRecv(
    'GET',
    "/getopcode")

# 获取opcode        
opcode = response.json('utf8')['opcode']

# 传入md5源数据
m.update(opcode.encode())
# 产生哈希值的十六进制表示
opcode-md5= m.hexdigest()

# 发送请求2
response = client.sendAndRecv(
    'POST',
    "/bugdevice",
    json={
        'opcode-md5':opcode-md5,
        'action':'bug_sword'
    })

从数据文件中读入性能测试数据

做性能测试,有的时候,需要从数据文件中读入数据作为,测试数据。

比如,现在有如下格式的数据文件 lt.data,

mike  | 43654234 | 43
john  | 63562234 | 13
jerry | 95692234 | 23
paton | 54972234 | 41
larry | 72992224 | 76
....

里面每行存储的是被测系统中的 用户名 、密码 、 等级

做性能测试时,必须要使用这个里面的 数据。

这样用 黑羽压测 怎么做呢?

大家进入到 性能场景界面,注意到右边有一个 自动代码产生条目 启动客户端,携带参数

image

点击,产生如下代码

# 定义每个客户端对应的参数
args = ['user1','user2','user3']

createClients(
    'act-1', # 客户端名称
    3,       # 客户端数量    
    1,       # 启动间隔时间,秒
    args     # 客户端参数
    )

createClients 可以产生多个客户端的,而且我们可以为每个客户端提供 不同的参数数据

该函数最后一个参数 args 就是为每个客户端提供的参数数据 用的。

该参数的类型 应该是一个 列表 或者 元组, 里面的元素 就是 依次 传递给 每个客户端的 数据对象。

在上面的例子中,启动的3个客户端 分别接收到 的参数 数据 就是字符串 ‘user1’,’user2’,’user3’。



下面的问题是: 这些参数, 在 单个客户端 脚本 中 如何获得,并使用呢?

直接使用 arg 这个内置变量名。

arg 这个内置变量名 就存储了 性能场景脚本 分配的 参数对象。

比如,我们可以定义如下的客户端脚本:

# 创建客户端     
client = HttpClient('127.0.0.1', # 目标地址:端口
                    timeout=10   # 超时时间,单位秒
                   ) 
# 打印传入的参数                   
print(f'传入参数 {arg}')    

response = client.sendAndRecv(
    'GET',        
    f"/api/{arg}"  # 请求URL,里面的用户名使用传入的参数
    )

这样,我们运行性能测试场景,就会产生如下的输入信息:

传入参数 user1
1563502644 s: send      1
1563502644 s: recv      1 | avg reponse time 0.0010
传入参数 user2
1563502645 s: send      1
1563502645 s: recv      1 | avg reponse time 0.0000
传入参数 user3
1563502646 s: send      1
1563502646 s: recv      1 | avg reponse time 0.0000

好了,有了上面的示例,聪明的小伙伴,你知道,对于要读入1000条用户数据给不同的客户端使用,该怎么写代码了吗?

对了,我们可以这样定义性能场景

# 读入文件每行内容到 lines
with open(r'd:\data.txt')  as f:
    lines = f.read().splitlines()

# 传入每个客户端参数列表 users
users = []

for line in lines:
    # 把文件每行中的用户名、密码、等级取出存入列表对象
    parts = line.split('|')
    user = [part.strip() for part in parts]
    users.append(user)

# 再启动1000个客户端,
# users里面的每个用户信息 依次传递给 每个客户端
createClients(
    'act-1', 
    1000,          
    1,       
    users # 传入给每个客户端的参数
    )

这样,每个启动的客户端arg变量里面得到的数据,就是如下格式的列表对象,

['mike', '43654234', '43']

我们,就可以使用里面的用户名、密码、等级等信息 执行单个客户端的 测试流程了。

做功能测试

黑羽压测 是一款性能测试工具,但是我们也可以使用它,很方便的做 API接口功能测试

具体的操作,请大家点击此处链接,观看讲解视频

监控主机的系统资源占用

在性能测试的时候,我们往往需要监控 被测服务 主机的 CPU/内存/磁盘IO 使用情况,并且需要在测试结束时产生 性能图表。

黑羽压测 让这一切都变的简单。

具体的操作,请大家点击此处链接,观看讲解视频

多台测试主机同时运行黑羽压测

如果被测系统的性能指标特别高, 需要有更多的测试机器,同时给被测系统加压力。

这时,我们可以 部署黑羽压测 到多台Linux机器上,启动压力测试。

具体的操作,请大家点击此处链接,观看讲解视频






扫码分享给朋友,一起学更有动力哦




上一页 下一页