如何掌握接口并发性能测试分析？

草帽路飞UU

　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

    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()