通过python异步通讯方式构建高并发压力测试工具

背景说明

         在工作中，要对一个接口进行压测，我当时就想通过python自己编写一个压力发生器。

初步方案（单线程循环发送）

通过循环向服务端发送请求，代码如下：

#采用单步循环的方式循环测试
import requests,time

def run(runnum):
    url = "https://api-test.peanut.ai/wechatGrant/load/test1?openId=RP0ulQ4pHDTBWt77ILCs02QGU&bsscode=8167871547864571"
    for i in range(runnum):
        str_res = requests.get(url)
           
if __name__ == "__main__":
    start_time = time.time()
    run(100)
    end_time = time.time()
    #print("循环次数：",str(counut))
    print("开始时间：",str(start_time))
    print("结束时间：",str(end_time))
    print("运行时间：",str(end_time - start_time))

测试结果如下：

	单线程
1	开始时间： 1536545804.5258229 结束时间： 1536545879.1070435 运行时间： 74.58122062683105
2	开始时间： 1536546027.6947124 结束时间： 1536546100.3893104 运行时间： 72.69459795951843
3	开始时间： 1536546205.2600951 结束时间： 1536546270.549498 运行时间： 65.28940296173096
4	开始时间： 1536546368.2361982 结束时间： 1536546435.7475684 运行时间： 67.51137018203735
5	开始时间： 1536546640.4913867 结束时间： 1536546712.5064435 运行时间： 72.015056848526

运行时间很长，对程序进行了分析，因为循环是单线程并且是同步的，发送请求后，必须等待收到响应，才会发送下一个请求，效率很低，并且循环对压力机的CPU资源消耗较大。

多线程方案

考虑通过多线程提高测试效率，代码如下：

import threading

import requests

import time



url = "https://api-test.peanut.ai/wechatGrant/load/test1?openId=RP0ulQ4pHDTBWt77ILCs02QGU&bsscode=8167871547864571"



def run_thread(snum,enum):

    for i in range(snum,enum):

        #s = requests.session()

        #关闭长连接

        headers = {'Connection': 'close'}

        str_res = requests.get(url,headers=headers)

        #从发送请求到收到响应消耗的时间，单位微妙。

        etime = str_res.elapsed.microseconds/1000000

        

threads = []



for i in range(0,10):

    #循环生成线程

    t = threading.Thread(target=run_thread, args=(0,10))

    threads.append(t)



if __name__ == "__main__":

    start_time = time.time()

    for dd in range(0,10):

        #启动线程

        threads[dd].start()

    for dd in range(0,10):

        threads[dd].join()



    end_time = time.time()

    

    print("开始时间：",str(start_time))

    print("结束时间：",str(end_time))

    print("运行时间：",str(end_time - start_time))

测试结果如下：

	单线程	多线程（10）
1	开始时间： 1536545804.5258229 结束时间： 1536545879.1070435 运行时间： 74.58122062683105	开始时间： 1536546926.9662883 结束时间： 1536546935.9247773 运行时间： 8.958488941192627
2	开始时间： 1536546027.6947124 结束时间： 1536546100.3893104 运行时间： 72.69459795951843	开始时间： 1536546962.368912 结束时间： 1536546970.9876196 运行时间： 8.618707656860352
3	开始时间： 1536546205.2600951 结束时间： 1536546270.549498 运行时间： 65.28940296173096	开始时间： 1536546990.911677 结束时间： 1536547001.0316806 运行时间： 10.120003700256348
4	开始时间： 1536546368.2361982 结束时间： 1536546435.7475684 运行时间： 67.51137018203735	开始时间： 1536547021.2030604 结束时间： 1536547030.7051418 运行时间： 9.502081394195557
5	开始时间： 1536546640.4913867 结束时间： 1536546712.5064435 运行时间： 72.015056848526	开始时间： 1536547046.3298163 结束时间： 1536547054.6956365 运行时间： 8.365820169448853

测试效率有很大提高，但也存在问题，当启动线程较多时，压力机资源消耗大，在同一个线程内部，还是同步进行，效率较低。

异步通讯方案

asyncio可以实现单线程并发IO操作。如果仅用在客户端，发挥的威力不大。如果把asyncio用在服务器端，例如Web服务器，由于HTTP连接就是IO操作，因此可以用单线程+coroutine实现多用户的高并发支持。

#采用异步通讯的方式发压

import requests,time

import asyncio

from aiohttp import ClientSession

import aiohttp





url = "https://api-test.peanut.ai/wechatGrant/load/test1?openId=RP0ulQ4pHDTBWt77ILCs02QGU&bsscode=8167871547864571"

tasks = []

async def run():

    async with ClientSession() as session:

        async with session.get(url) as response:

            response = await response.read()

            #print(response)



if __name__ == "__main__":

    loop = asyncio.get_event_loop()

    start_time = time.time()

    for i in range(100):

        tasks.append(run())

    end_time = time.time()

    loop.run_until_complete(asyncio.wait(tasks))

    loop.close()

    #print("循环次数：",str(counut))

    print("开始时间：",str(start_time))

    print("结束时间：",str(end_time))

    print("运行时间：",str(end_time - start_time))

测试结果：

	单线程	多线程（10）	异步
1	开始时间： 1536545804.5258229 结束时间： 1536545879.1070435 运行时间： 74.58122062683105	开始时间： 1536546926.9662883 结束时间： 1536546935.9247773 运行时间： 8.958488941192627	开始时间： 1536565502.732898 结束时间： 1536565502.732898 运行时间： 0.0
2	开始时间： 1536546027.6947124 结束时间： 1536546100.3893104 运行时间： 72.69459795951843	开始时间： 1536546962.368912 结束时间： 1536546970.9876196 运行时间： 8.618707656860352	开始时间： 1536565502.732898 结束时间： 1536565502.732898 运行时间： 0.0
3	开始时间： 1536546205.2600951 结束时间： 1536546270.549498 运行时间： 65.28940296173096	开始时间： 1536546990.911677 结束时间： 1536547001.0316806 运行时间： 10.120003700256348	开始时间： 1536565502.732898 结束时间： 1536565502.732898 运行时间： 0.0
4	开始时间： 1536546368.2361982 结束时间： 1536546435.7475684 运行时间： 67.51137018203735	开始时间： 1536547021.2030604 结束时间： 1536547030.7051418 运行时间： 9.502081394195557	开始时间： 1536565502.732898 结束时间： 1536565502.732898 运行时间： 0.0
5	开始时间： 1536546640.4913867 结束时间： 1536546712.5064435 运行时间： 72.015056848526	开始时间： 1536547046.3298163 结束时间： 1536547054.6956365 运行时间： 8.365820169448853	开始时间： 1536565502.732898 结束时间： 1536565502.732898 运行时间： 0.0

性能大大提高，但还有一个需要优化的地方，tasks采用的是list,如果数量多了，会占用大量内存，下步进行优化。