Python locust — это инструмент нагрузочного тестирования с открытым исходным кодом, основанный на Python, который может имитировать большое количество пользователей, одновременно получающих доступ к веб-сайтам, API и т. д., чтобы проверить их производительность и доступность. Python locust обладает такими функциями, как простота написания и запуска сценариев, мониторинг в реальном времени и масштабируемость, поэтому он широко используется в практической разработке программного обеспечения. В этой статье будет подробно описано, как использовать Python Locust для нагрузочного тестирования.

1. Установка саранчи Python

Прежде чем вы сможете использовать Python Locust для нагрузочного тестирования, вам сначала необходимо его установить. Установить Python Locust можно двумя способами:

1. Установите с помощью pip

Команда для установки Python locust с помощью pip выглядит следующим образом:

pip install locust

2. Установите с помощью Conda

Команда для установки Python locust с помощью conda выглядит следующим образом:

conda install locust

2. Использование саранчи Python

После установки Python locus вы можете начать использовать его для нагрузочного тестирования. Использование Python locust требует написания файла locustfile.py. Файл locustfile.py определяет такую ​​информацию, как задачи нагрузочного тестирования и поведение пользователя.

1. Напишите файл locustfile.py.

В файле locustfile.py определяется такая информация, как задачи нагрузочного тестирования и поведение пользователя. Файл locustfile.py должен содержать следующее содержимое:

from locust import HttpUser, task, between
class MyUser(HttpUser):
    wait_time = between(1, 2)
    @task
def index(self):
self.client.get("/")
    @task(3)
def about(self):
self.client.get("/about")

В этом примере определен класс MyUser, который наследуется от класса HttpUser. В классе MyUser определены две задачи: index и about. Среди них задача индекса — доступ к корневому URL-адресу («/»), а задача about — доступ к URL-адресу «/about». Порядок выполнения этих двух задач рандомизирован. Атрибут wait_time определяет время ожидания между задачами для каждого пользователя, которое представляет собой случайное число в диапазоне от 1 до 2 секунд.

2. Запустите службу саранчи.

После написания файла locustfile.py вы можете запустить службу locust. В командной строке используйте следующую команду, чтобы запустить службу саранчи:

locust -f locustfile.py

Эта команда запустит службу Locus и выведет соответствующую информацию в командную строку, как показано ниже:

[2021-06-10 14:32:20,740] MacBook-Pro.local/INFO/locust.main: Starting web monitor at *:8089
[2021-06-10 14:32:20,741] MacBook-Pro.local/INFO/locust.main: Starting Locust 1.4.3

3. Получите доступ к веб-интерфейсу Locus.

После запуска службы саранчи вы можете получить доступ к веб-интерфейсу саранчи. В браузере перейдите по следующему URL-адресу: http://localhost:8089/, чтобы получить доступ к веб-интерфейсу locust. В веб-интерфейсе Locust вы можете установить такие параметры, как количество одновременных пользователей и количество запускаемых пользователей в секунду, а также запустить стресс-тест.

4. Запустите стресс-тест

После настройки параметров нажмите кнопку «Начать роение», чтобы запустить стресс-тест. Во время теста locus будет отображать статистическую информацию в режиме реального времени, включая количество запросов, время ответа, частоту отказов и т. д. Вы также можете просмотреть подробные журналы запросов и статистику в веб-интерфейсе. После завершения теста вы можете остановить стресс-тест и просмотреть результаты теста.

3. Расширенное использование Python locus

В дополнение к вышеописанному базовому использованию, Python locust имеет множество расширенных возможностей использования и функций, которые могут сделать нагрузочное тестирование более гибким и эффективным. Вот некоторые часто используемые расширенные возможности и функции:

1. Используйте TaskSet для определения коллекции задач.

TaskSet — это класс, используемый для определения набора задач. Он может группировать несколько задач вместе, чтобы лучше организовывать задачи и контролировать процесс тестирования. Вот пример использования TaskSet для определения набора задач:

from locust import HttpUser, TaskSet, task, between
class MyTaskSet(TaskSet):
    @task
def index(self):
        self.client.get("/")
    @task(3)
def about(self):
        self.client.get("/about")
class MyUser(HttpUser):
    wait_time = between(1, 2)
    tasks = [MyTaskSet]

В этом примере определен класс MyTaskSet, который наследуется от класса TaskSet. В классе MyTaskSet определены две задачи: index и about. Затем в классе MyUser используйте класс MyTaskSet как набор задач, чтобы лучше организовывать задачи и контролировать процесс тестирования.

2. Используйте TaskSequence для определения последовательности задач.

TaskSequence — это класс, используемый для определения последовательности задач. Он может выполнять несколько задач в определенном порядке, чтобы лучше контролировать процесс тестирования и поток данных. Вот пример использования TaskSequence для определения последовательности задач:

from locust import HttpUser, TaskSequence, task, between
class MyTaskSequence(TaskSequence):
    @task
def step1(self):
self.client.get("/step1")
    @task
def step2(self):
self.client.get("/step2")
    @task
def step3(self):
self.client.get("/step3")
class MyUser(HttpUser):
    wait_time = between(1, 2)
    tasks = [MyTaskSequence]

В этом примере определен класс MyTaskSequence, который наследуется от класса TaskSequence. В классе MyTaskSequence определены три задачи: шаг1, шаг2 и шаг3. Эти задачи выполняются последовательно, чтобы обеспечить лучший контроль над процессом тестирования и потоком данных.

3. Используйте события для определения обработчиков событий.

Events — это модуль, используемый для определения обработчиков событий. Он может фиксировать и обрабатывать различные события во время запуска саранчи, чтобы лучше отслеживать и контролировать процесс тестирования. Вот пример использования событий для определения обработчика событий:

from locust import HttpUser, task, between, events
@events.test_start.add_listener
def on_test_start(environment, **kwargs):
    print("Test is starting")
@events.test_stop.add_listener
def on_test_stop(environment, **kwargs):
    print("Test is stopping")
class MyUser(HttpUser):
    wait_time = between(1, 2)
    @task
def index(self):
        self.client.get("/")

В этом примере с помощью событий определяются два обработчика событий: on_test_start и on_test_stop. Эти процессоры будут выполняться индивидуально в начале и в конце теста, чтобы обеспечить лучший мониторинг и контроль процесса тестирования.

4. Используйте locust.stats для определения статистики.

locust.stats — модуль для определения статистики. Он может собирать и обрабатывать различные статистические данные во время бегства саранчи, чтобы лучше отслеживать и анализировать результаты испытаний. Вот пример использования locust.stats для определения статистики:

from locust import HttpUser, task, between, events, stats
@events.request_success.add_listener
def on_request_success(request_type, name, response_time, response_length, **kw):
    stats.custom_stat("my_stat", response_time)
class MyUser(HttpUser):
    wait_time = between(1, 2)
    @task
def index(self):
        self.client.get("/")

В этом примере пользовательская статистика с именем my_stat определяется с помощью locust.stats. Эта статистика будет автоматически собираться при каждом успешном запросе и отображаться на диаграмме статистики после теста.

4. Резюме

В этой статье подробно описано, как использовать Python Locus для нагрузочного тестирования, включая установку, базовое и расширенное использование. Используя Python locust, вы можете выполнять нагрузочное тестирование более гибко, эффективно и точно, чтобы проверить производительность и надежность вашего программного обеспечения.