如何用Python开发一款高效性能测试工具初探?
- 内容介绍
- 文章标签
- 相关推荐
本文共计829个文字,预计阅读时间需要4分钟。
国都重新学习了Go的Gin高性能测试框架。用JMeter测试gin与Flask接口的性能,差异非常大。为什么我自己不尝试写一个性能工具,工具的核心就是并发和请求。请求可以选择并发和请求。
国庆重新学习了一下go的gin高性能测试框架。
用JMeter来测试gin与flask接口的性能,差别很大。
为什么我自己不尝试写一个性能工具,性能工具的核心就是 并发 和 请求。
请求可以选择Python的requests库。
并发可以通过python的 进程、线程、协程模拟。
这么一想,也不是很难了,上手撸一个。
依赖库
requests==2.22.0 gevent==20.9.0 numpy==1.19.2
requests 大家并不陌生,HTTP请求库。
gevent是python协程库,通过协程模拟并发更节省资源,在同样配置下能模拟更多的并发。
numpy 是python的数据计算库,提供大量组数和矩阵运算,这里用它求列表的平均值。
实现脚本
好了,接下来开始上手写代码了。
本文共计829个文字,预计阅读时间需要4分钟。
国都重新学习了Go的Gin高性能测试框架。用JMeter测试gin与Flask接口的性能,差异非常大。为什么我自己不尝试写一个性能工具,工具的核心就是并发和请求。请求可以选择并发和请求。
国庆重新学习了一下go的gin高性能测试框架。
用JMeter来测试gin与flask接口的性能,差别很大。
为什么我自己不尝试写一个性能工具,性能工具的核心就是 并发 和 请求。
请求可以选择Python的requests库。
并发可以通过python的 进程、线程、协程模拟。
这么一想,也不是很难了,上手撸一个。
依赖库
requests==2.22.0 gevent==20.9.0 numpy==1.19.2
requests 大家并不陌生,HTTP请求库。
gevent是python协程库,通过协程模拟并发更节省资源,在同样配置下能模拟更多的并发。
numpy 是python的数据计算库,提供大量组数和矩阵运算,这里用它求列表的平均值。
实现脚本
好了,接下来开始上手写代码了。

