接口测试框架接入性能测试实践分享

本文涉及的产品
性能测试 PTS,5000VUM额度
简介: 接口测试+性能测试,实现“低”投入、“高”回报,成为质量保障实践首选手段。

1. 前言

现如今接口测试在软件质量行业中的地位,已经越来越重要,相对于上层的UI自动化测试和下层的单元测试,接口测试的“低”投入、“高”回报,也成了绝大多数质量保障实践的首选。

在开展接口测试时,往往很多时候都只在关注接口的功能性质量,而对于非功能性的质量保障验证,比如性能、安全,在实际工程应用或者设计用例时关注度明显不足(甚至很多压根没有这方面的测试实践)。

今天就以Python系下requests库(常用于接口测试)和Robot FrameWork框架为例,和大家聊聊在接口测试过程中,和功能需求同等重要的性能测试检查项。

2. 接口测试需要考虑的性能检查项

在接口测试过程中,除了要考虑产品需求的正常、异常、数据正确性等显性功能需求质量外,还有很多隐性需求质量需要关注,以性能测试为例,常见需要关注的检查项包括,但不限于:

  • 1、单用户登录的响应时间是否小于 3 秒;
  • 2、单用户登录时,后台请求数量是否过多;
  • 3、高并发场景下用户登录的响应时间是否小于 5 秒;
  • 4、高并发场景下服务端的监控指标是否符合预期;
  • 5、高集合点并发场景下,是否存在资源死锁和不合理的资源等待;
  • 6、长时间大量用户连续登录和登出,服务器端是否存在内存泄漏。

本文重点以接口响应时间为例,介绍如何在requests库和Robot FrameWork框架纳入性能测试项,其它性能检查项思路基本都是相通的。

3. requests库接口测试校验响应时间

通常在结合requests库开展接口测试时,发送请求后,接口的响应时间,也是我们需要关注的一个重点,如果响应时间太长,从产品业务或者用户角度也是不可接受的。那如何进行请求响应时间校验,也成为了接口测试人员需要掌握的一项小技能。

针对requests库校验请求响应时间,给大家提供两种实现思路:

一、借助请求响应超时机制

具体实现:

#-*- coding:utf-8 -*-
import requests
from requests import exceptions

try:
    req = requests.post(url=url, data=data, headers=headers, verify=False, timeout=3)       
   print r.json()
except exceptions.Timeout as e:   
    print("抛出异常")

在上述实现中,通过增加timeout参数,设置请求响应超时机制,当timeout=3(可自由定义),当请求响应时间超过3秒,则会抛出超时异常。

其中,额外补充的知识点:超时(默认单位:s),有两种设置超时方法:

  • timeout=5:设置5s的超时时间
  • timeout=(5,10):设置区间时间的等待

 当请求出现超时时,则会抛出此异常:requests.exceptions.ConnectTimeout: HTTPConnectionPool    

2、获取响应时间方法:req.elapsed.total_seconds()

二、借助requests接口响应返回值elapsed

具体实现:

#-*- coding:utf-8 -*-
import requests

r = requests.post(url, data=data, headers=headers)
print(r.status_code)
print(r.elapsed)
print(r.elapsed.total_seconds())
print(r.elapsed.microseconds)
print(r.elapsed.seconds)
elapsed_time = r.elapsed.total_seconds() #获取实际的响应时间 
assert elapsed_time>3

上述代码实现中,通过获取请求返回的响应值来获取接口响应时间,常见的几个获取响应时间参数为:

  • elapsed.total_seconds:获取响应时间,单位s (推荐)
    1. microseconds:获取响应时间,大于1s的时候,只截取了后面的小数部分
  • elapsed.seconds:单位s,响应时间小于1s时,为0

4. Robot Framework框架校验响应时间

在上述我们介绍了requests库在开展接口测试过程,校验请求响应时间的实现思路。而通过Robot Framework框架开展接口测试,主要会依赖RequestsLibray库,而因此实现思路也是一样的。

具体实现,可参考下述示例:

img

上述校验请求响应时间,核心就两句代码:

${elapsed_seconds}=    set variable    ${resp.elapsed.total_seconds()}
should be true    ${elapsed_seconds}<3

补充知识点:响应体${resp}是一个类对象,源码可在requests/models/Response查看,可以查看找出该类的所有属性,第6行打印结果:

5. 小结

作为测试工程师,你的目标是要保证系统在各种应用场景下的功能是符合设计要求的,所以你需要考虑的测试用例就需要更多、更全面。本文,通过接口测试如何融合接口性能检查项,给大家提供一点思路,希望对你有所帮助或启发。

如果觉得有用,帮忙点个好看朋友圈转发分享一下就行。

相关实践学习
通过性能测试PTS对云服务器ECS进行规格选择与性能压测
本文为您介绍如何利用性能测试PTS对云服务器ECS进行规格选择与性能压测。
目录
相关文章
|
3天前
|
测试技术
软件测试的艺术:探索式测试的实践与思考
在软件开发的广阔海洋中,测试是确保航船稳健行驶的关键。本文将带你领略探索式测试的魅力,一种结合创造性思维和严格方法论的测试方式。我们将一起揭开探索式测试的神秘面纱,了解其核心概念、实施步骤和带来的效益。通过实际代码示例,你将学会如何将探索式测试融入日常的软件质量保证流程中,提升测试效率与质量。
|
7天前
|
敏捷开发 Java 测试技术
探索软件测试中的自动化测试框架
在软件开发的生命周期中,软件测试扮演着至关重要的角色。随着技术的不断进步和软件项目的日益复杂化,传统的手动测试方法已经无法满足高效、准确的测试需求。自动化测试作为一种提高测试效率和质量的有效手段,越来越受到开发者和测试者的青睐。本文将深入探讨自动化测试框架的重要性、常见的自动化测试工具以及如何选择合适的自动化测试框架。
33 10
|
9天前
|
设计模式 前端开发 JavaScript
自动化测试框架设计原则与最佳实践####
本文深入探讨了构建高效、可维护的自动化测试框架的核心原则与策略,旨在为软件测试工程师提供一套系统性的方法指南。通过分析常见误区,结合行业案例,阐述了如何根据项目特性定制自动化策略,优化测试流程,提升测试覆盖率与执行效率。 ####
33 6
|
9天前
|
人工智能 前端开发 测试技术
探索软件测试中的自动化框架选择与优化策略####
本文深入剖析了当前主流的自动化测试框架,通过对比分析各自的优势、局限性及适用场景,为读者提供了一套系统性的选择与优化指南。文章首先概述了自动化测试的重要性及其在软件开发生命周期中的位置,接着逐一探讨了Selenium、Appium、Cypress等热门框架的特点,并通过实际案例展示了如何根据项目需求灵活选用与配置框架,以提升测试效率和质量。最后,文章还分享了若干最佳实践和未来趋势预测,旨在帮助测试工程师更好地应对复杂多变的测试环境。 ####
31 4
|
9天前
|
机器学习/深度学习 人工智能 jenkins
软件测试中的自动化与持续集成实践
在快速迭代的软件开发过程中,自动化测试和持续集成(CI)是确保代码质量和加速产品上市的关键。本文探讨了自动化测试的重要性、常见的自动化测试工具以及如何将自动化测试整合到持续集成流程中,以提高软件测试的效率和可靠性。通过案例分析,展示了自动化测试和持续集成在实际项目中的应用效果,并提供了实施建议。
|
8天前
|
监控 jenkins 测试技术
自动化测试框架的构建与实践
【10月更文挑战第40天】在软件开发周期中,测试环节扮演着至关重要的角色。本文将引导你了解如何构建一个高效的自动化测试框架,并深入探讨其设计原则、实现方法及维护策略。通过实际代码示例和清晰的步骤说明,我们将一起探索如何确保软件质量,同时提升开发效率。
23 1
|
4天前
|
JavaScript 安全 编译器
TypeScript 与 Jest 测试框架的结合使用,从 TypeScript 的测试需求出发,介绍了 Jest 的特点及其与 TypeScript 结合的优势,详细讲解了基本测试步骤、常见测试场景及异步操作测试方法
本文深入探讨了 TypeScript 与 Jest 测试框架的结合使用,从 TypeScript 的测试需求出发,介绍了 Jest 的特点及其与 TypeScript 结合的优势,详细讲解了基本测试步骤、常见测试场景及异步操作测试方法,并通过实际案例展示了其在项目中的应用效果,旨在提升代码质量和开发效率。
20 6
|
1月前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
【10月更文挑战第1天】Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
139 3
|
2月前
|
测试技术 数据库 UED
Python 性能测试进阶之路:JMeter 与 Locust 的强强联合,解锁性能极限
【9月更文挑战第9天】在数字化时代,确保软件系统在高并发场景下的稳定性至关重要。Python 为此提供了丰富的性能测试工具,如 JMeter 和 Locust。JMeter 可模拟复杂请求场景,而 Locust 则能更灵活地模拟真实用户行为。结合两者优势,可全面评估系统性能并优化瓶颈。例如,在电商网站促销期间,通过 JMeter 模拟大量登录请求并用 Locust 模拟用户浏览和购物行为,可有效识别并解决性能问题,从而提升系统稳定性和用户体验。这种组合为性能测试开辟了新道路,助力应对复杂挑战。
113 2
|
19天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
43 3
下一篇
无影云桌面