JMeter并发执行Python脚本:大文件上传接口压力测试实战
本文详细介绍如何利用JMeter并发执行Python脚本,对大文件上传API进行稳定性压力测试。通过Python实现文件切片、分段上传及合并逻辑,结合JMeter的OS进程取样器与CSV数据驱动,模拟多用户高并发场景,验证接口在真实负载下的性能表现。
本文以文件上传场景为例,详细解析使用JMeter并发执行Python脚本的完整操作流程。
1. 前言
大家好,我是安果!
近期有开发者咨询,在使用Django开发大文件上传API后,希望验证接口在并发场景下的稳定性,寻求可行的测试方案。
本文将通过具体案例,演示如何通过JMeter调用Python脚本实现并发测试。
2. Python 实现文件上传
大文件上传通常包含以下三个核心步骤:
- 获取文件信息及切片数目
- 分段切片,并调用上传API
- 调用文件合并API
- 文件路径参数化配置
2-1获取文件信息及切片数目
首先,需要获取文件的总大小。
接着,根据预设的切片大小计算分段总数。
最后,获取文件名及文件的MD5校验值。
import os
import math
import hashlib
def get_file_md5(self, file_path):
"""获取文件的md5值"""
with open(file_path, 'rb') as f:
data = f.read()
return hashlib.md5(data).hexdigest()
def get_filename(self, filepath):
"""获取文件原始名称"""
# 文件名带后缀
filename_with_suffix = os.path.basename(filepath)
# 文件名
filename = filename_with_suffix.split('.')[0]
# 后缀名
suffix = filename_with_suffix.split('.')[-1]
return filename_with_suffix, filename, suffix
def get_chunk_info(self, file_path):
"""获取分段信息"""
# 获取文件总大小(字节)
file_total_size = os.path.getsize(file_path)
print(file_total_size)
# 分段总数
total_chunks_num = math.ceil(file_total_size / self.chunk_size)
# 文件名(带后缀)
filename = self.get_filename(file_path)[0]
# 文件的md5值
file_md5 = self.get_file_md5(file_path)
return file_total_size, total_chunks_num, filename, file_md5
2-2切片及分段上传
依据计算出的分段总数和大小,对文件进行切片处理,并依次调用分段文件上传接口。
import requests
def do_chunk_and_upload(self, file_path):
"""将文件分段处理,并上传"""
file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(file_path)
# 遍历
for index in range(total_chunks_num):
print('第{}次文件上传'.format(index + 1))
if index + 1 == total_chunks_num:
partSize = file_total_size % chunk_size
else:
partSize = chunk_size
# 文件偏移量
offset = index * chunk_size
# 生成分片id,从1开始
chunk_id = index + 1
print('开始准备上传文件')
print("分片id:", chunk_id, "文件偏移量:", offset, ",当前分片大小:", partSize, )
# 分段上传文件
self.__upload(offset, chunk_id, file_path, file_md5, filename, partSize, total_chunks_num)
def __upload(self, offset, chunk_id, file_path, file_md5, filename, partSize, total):
"""分次上传文件"""
url = 'http://**/file/brust/upload'
params = {'chunk': chunk_id,
'fileMD5': file_md5,
'fileName': filename,
'partSize': partSize,
'total': total
}
# 根据文件路径及偏移量,读取文件二进制数据
current_file = open(file_path, 'rb')
current_file.seek(offset)
files = {'file': current_file.read(partSize)}
resp = requests.post(url, params=params, files=files).text
print(resp)
2-3合并文件
最后调用合并文件接口,将上传的各分段小文件合并为完整的大文件。
def merge_file(self, filepath):
"""合并"""
url = 'http://**/file/brust/merge'
file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(filepath)
payload = json.dumps(
{
"fileMD5": file_md5,
"chunkTotal": total_chunks_num,
"fileName": filename
}
)
print(payload)
headers = {
"Content-Type": "application/json"
}
resp = requests.post(url, headers=headers, data=payload).text
print(resp)
2-4文件路径参数化
为了支持并发执行,需要将文件上传路径进行参数化处理。
# fileupload.py
...
if __name__ == '__main__':
filepath = sys.argv[1]
# 每一段切片的大小(MB)
chunk_size = 2 * 1024 * 1024
fileApi = FileApi(chunk_size)
# 分段上传
fileApi.do_chunk_and_upload(filepath)
# 合并
fileApi.merge_file(filepath)
3. Jmeter 并发执行
在JMeter中构建并发流程前,需先编写配套的批处理脚本。
执行该批处理脚本时,需传入文件路径作为参数。
# cmd.bat
@echo off
set filepath=%1
python C:\Users\xingag\Desktop\rpc_demo\fileupload.py %*
随后,在本地新建一个CSV文件,用于存储多个待测试的文件路径。
# 准备多个文件路径(csv) C:\\Users\\xingag\\Desktop\\charles-proxy-4.6.1-win64.msi C:\\Users\\xingag\\Desktop\\V2.0.pdf C:\\Users\\xingag\\Desktop\\HBuilder1.zip C:\\Users\\xingag\\Desktop\\HBuilder2.zip
完成上述准备后,即可使用JMeter创建并发测试流程。
具体操作步骤如下:
- 创建一个测试计划,并在其中添加一个线程组。
线程组的线程数(并发用户数)应与CSV文件中包含的文件路径数量保持一致。
- 在线程组下,添加「同步定时器」。
同步定时器中的「模拟用户组的数量」需与参数数量保持一致,以确保并发启动。
- 添加CSV数据文件设置元件。
指定之前准备的CSV数据文件,格式设置为UTF-8,变量名称设为file_path,线程共享模式选择「当前线程组」。
- 添加调试取样器,便于查看变量值进行调试。
- 添加OS进程取样器。
选择之前创建的批处理文件,命令行参数设置为「${file_path}」以动态传入文件路径。
- 添加查看结果数元件,用于监控测试执行状态。
4. 最后
运行上述配置的JMeter并发流程,通过查看结果数可以观察并发上传文件的执行结果。
如需模拟更真实的业务场景,可增加并发数量,只需相应修改CSV数据源及JMeter相关参数即可。
至此,关于JMeter并发执行Python脚本的详解介绍完毕。如需了解更多相关内容,请搜索本站历史文章或继续浏览后续教程,感谢大家的支持!
本站声明
本文内容仅供参考,不代表本站观点。转载或引用请注明出处。如发现内容问题,请通过联系我们页面反馈。













