1. 引言
这篇是我3月份在公司内部做的技术分享内容,
由于我在公司内部分享的内容较多,以及一些特殊性,
我摘取了接口并发测试从设计思路整理→测试方案设计→设计分析→代码编写这套流程。
我不会承认我把40多页PPT的内容都放在这篇博文里
因为我不管是在内部技术分享,还是对个人的培训中,都发现:很多人并不清楚接口并发测试的整体流程,或者说,并没有参与过整个流程。
所以,我把这部分内容摘取出来,分享出来,就是为了能让大家在测试开发的道路上,越走越远!
接下来,就跟着小鱼一起,开始今天的分享,来看看接口并发性能测试的是怎样的分析流程。
听说,看到最后的大佬,技术能力都是最强的,
据说,最后的彩蛋,会让你不知所措
2. 并发测试定义
目的:
是以并发为手段进行接口测试行为,通过测试行为发现接口在并发场景下导致的功能问题。
类型:
①点层面上:同一时间做某件事;
例:早上7:30 ,所有的学生都升国旗
②线层面上:一个时间做不同的事,但同时对服务器产生压力;
例:一个时间点,有的学生跳皮筋,有的玩足球
敲黑板:
并发与性能:并发测试不等同于性能测试,性能测试也只是并发测试的一个小类。
3. 并发测试分类
1、功能并发测试:
解析:要先进行测试单业务功能场景的并发测试,在进行混合业务功能场景的并发测试。
目的:为验证系统功能是否符合需求规格说明书的要求;
2、性能并发测试:
解析:同时满足某些系统性能指标的前提下,让被测对象承担不同的工作量,以评估被测对象的最大处理能力及是否存在缺陷。
目的:为验证系统性能指标是否符合需求规格说明书的要求;
3、稳定性并发测试:
解析:判断测试系统的长期稳定运行的能力。
目的:为验证系统稳定性是否符合需求规格说明书的要求;
4、异常性并发测试:
解析:模拟系统在较差、异常资源配置下运行,以评估被测对象在资源不足的情况下的工作状态。
目的:为验证系统的异常响应机制是否满足需求规格说明书的要求。
4. 设计思路整理
1、需求分析
①首先找到并发测试对象,了解需求测试的功能有哪些,可以按照业务功能整理,不必深入细节。
②其次描述测试对象的重要性,如要求严格质量的核心功能、高频使用功能、占用系统资源较多的功能等。
③最后进行测试对象拆分,比如购买商品可以拆分成:搜索商品、锁定库存、提交订单、发送支付指令、接受处理支付结果、业务流水、短信及站内信通知、VX推送结果等。
2、环境需求分析
明确重点测试对象,预先设置基础数据及大量历史数据、模拟真实环境。
3、性能指标需求分析
分析性能指标是否合理。
可以从历史数据的这几个方面考虑:TPS、页面访问量、并发请求数等,从而来判断需求指标是否合理,安排优先级。
5. 测试方案设计
1、测试策略
并发测试的准备工作:
请求顺序、请求之间互相调用关系、数据流向、有没有调用外部系统等后,需要明确重点测试对象,
预先设置基础数据及大量历史数据,模拟真实环境等。
测试策略执行,一般涉及以下4个阶段
①对于功能并发测试:要先进行测试单业务功能场景的并发测试,在进行混合业务功能场景的并发测试
②对于性能并发测试:同时满足某些系统性能指标的前提下,让被测对象承担不同的工作量,以评估被测对象的最大处理能力及是否存在缺陷。
③对于稳定性并发测试:判断测试系统的长期稳定运行的能力。该策略强度较小,一般趋向于客户现场日常状态下的压力强度。
④对于异常性并发测试:模拟系统在较差、异常资源配置下运行,如人为降低系统工作环境所需要的的资源,网络带宽、系统内存、数据帧等,以评估在资源不足情况下的工作状态。
总结
不同的测试阶段,测试人员关注的测试目的也是不同。所以对测试人员来说,测试思想才是最重要,有了测试思想,才会有好的测试方案。
2、测试方案
以两轮测试为例:
第一轮测试,以接口文档驱动测试,测试步骤及要点如下。
①编写接口测试代码:核对每个接口传入参数控制:长度限制、格式、必填项限制、正常值范围限制等。同时,确认报错提示信息是否准确、到位;
②异常数据测试:如渠道值设置负数、属性设置不存在、网络断开、数据库锁表等情况,检查数据是否出现异常;
③逐个接口进行并发事务测试:检查账户金额,用户流水、对账流水数据。核对数据的与用例调用结果是否一致;
④复合接口并发测试:将各种充值、交易类型的接口按照一定的顺序进行并发,校验账户收支金额、流水是否与用例调用结果是否一致;
第二轮测试,以业务场景驱动测试,测试步骤及要点如下。
①统一动作并发:相同订单并发支付,并发退款;
②混合交易场景:秒杀抢购,集中退货、到货确认;
③绕过页面操作:通过抓包,抛送异常值进行交易测试。
6. 指标分析
1、整理并发需求
需求内容:
中午和晚上是订餐的高峰期,所以会有很大的并发订单量。为了保证订单成功率、响应速度等因素,我们要进队高峰期的订单量进行并发性能测试。
性能指标需求:
① 打开速度<3s,订单提交成功<5s;
②订单成功率达到99.5%以上;
③在100个并发用户的高峰期,订单处理能力至少达到900TPS。
2、提取性能指标
以100个外卖订单为例,需要提取的并发指标:
①并发订单数
②成功订单数
③成功订单响应时间
④订单成功率
⑤成功订单的总响应时间
⑥成功订单的平均响应时间
⑦Tps
3、性能指标分析
①并发订单数:即自定义的并发数,把并发100次,设置为10个线程,每个循环10次;
②成功订单数:就是获取响应值为成功的请求,先定义一个success_count ,初始值为0,如果成功的话执行+1;
③订单成功率:成功订单数/总的订单数成功;
④订单总响应时间:每个成功订单的响应时间之和,所以我们定义一个sum_time,初始值为0.00,然后把每次成功的响应时间加起来成功;
⑤订单平均响应时间:成功订单总响应时间/成功订单数;
⑥TPS:成功并发数/成功订单平均响应时间;
⑦订单响应时间:在请求之前,获取一次时间,在断言成功之后,再次获取一次时间,这样二者之差,就是订单的响应时间。
7. 代码实战
咱们还是老规矩,直接上代码,在代码中做分析
# -*- coding: utf-8 -*- """ @ auth : carl_DJ @ time : 2021-3-6 """ import hashlib import threading from time import * from datetime import datetime,timedelta import requests import json '''初始化全局变量''' #自定义全局变量需要的线程数,10 thread_num = 10 #自定义全局变量每个线程需要循环的数量,10 one_worker_num = 10 #设定最开始的总时间 sum_time = 0.00 #设定最开始的成功连接数 success_count = 0 ''' 后台登录常规操作''' username = 'carldj' password = hashlib.md5(b'123456').hexdigest() #设置密码,且是md5加密方式 url = "http://www.xxx.com/energy/user/login/" form_data = {"username":username,"password":password} login_response = requests.post(url,data=form_data) c = login_response.cookies '''订单发送请求''' def order(): #引用全局变量 global c global sum_time global success_count #获取执行发送订单请求前时间 t1 = time() #设定url、form_data进行创建订单 url1 = "http://www.xxx.com/energy/create_order/" from_data1 = {"restaurant_id":1136, "menu_item_total":'12.00', "menu_item_data": [{'id':2667868,'p':22,'q':3}] } make_responst = requests.post(url1,data=from_data1,cookies = c) #获取请求结果 res = make_responst.text #结果转换成字典赋值给变量id id = json.loads(res)['order_id'] #断言判断是否提交成功 assert id != " " su_time =datetime.now()+ timedelta(hours=1) #设定url、form_data进行生成订单 url2 = "http://www.xxx.com/energy/place_order/" from_data2 = {"restaurant_id": id, "customer_name": 'carl_dj', "mobile_number":username, "delivery_address":"address message", "pay_type":'cash', "preorder":su_time } place_responst = requests.post(url2, data=from_data2, cookies=c) res = place_responst.text #追加断言,判断结果是否有"success",有的话,说明订餐成功 assert res == " success" print("订餐成功") #订单成功后,再次获取一下时间 t2 = time() #获取订单的响应时间 res_time = t2-t1 #把响应时间写入txt文件 result = open("E:\Private Folder\res.txt","a") #路径直接写死,也可用os.path 来写路径 result.write("成功订单响应时间:" + str(res_time)+ '\n') result.close() #也可以使用with打开文件,好处是不用关心文件是否关闭 # with open ("E:\Private Folder\res.txt","a") as result1: # print(result1.read()) #把每次成功订单数累加到全局变量sum_time中 sum_time = sum_time + res_time #把每次获取的成功订单数做累加,添加到全局变量success_count中 success_count = success_count +1 '''嵌套指定循环次数的order()函数''' def working() global one_worker_num for i in range(0,one_worker_num): order() '''自定义main()函数,来执行多线程''' def main(): global thread_num #自定义一个空的数组,用来存放线程组 threads = [] #设置循环次数 for i in range(thread_num): #将working()函数存放到线程中 t = threading.Thread(target=working,name="T"+ str(i)) #设定守护线程 t.setDaemon(True) threads.append(t) #启动循环执行 for t in threads: t.start() ##设置阻塞线程 for t in threads: t.join() if __name__ == "__main__": main() total_order = thread_num*one_worker_num avg_time = sum_time/success_count '''执行完之后,需要把数据写入到txt文件中''' #订单并发总数 result.write("并发订单数:"+ str(total_order)+ "\n") #成功并发数 result.write("成功并发数:"+ str(success_count) + "\n") #订单成功率 result.write("订单成功率:"+ str(success_count/total_order*100)+ "%" + "\n") #成功订单响应时间 result.write("成功订单总响应时间:"+ str(sum_time)+"\n") #成功订单平均响应时间 result.write("成功平均响应时间:"+str(sum_time/success_count)+"\n") #TPS事务数/秒 result.write("TPS:"+str(success_count/avg_time) + "\n") #tps = 并发成功数/平均响应时间 result.close() ————————————————
8. 总结
关于并发测试,性能测试,小鱼的博文,确实不少,在这里,小鱼再重新罗列一下,
毕竟小鱼喜欢做助人为乐的事情,
我不会承认,我只看妹子的颜值