如何掌握接口并发性能测试分析？
本帖最后由 草帽路飞UU 于 2022-10-13 16:33 编辑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。
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。
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
assertid != " "
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()
页:
[1]
