基于k6和python进行自动化性能测试

摘要：在性能测试中，达到相应的性能指标对于一个软件来说十分重要，在本文中，将介绍一种现代化性能测试工具k6。

import http from 'k6/http';
import { sleep } from 'k6';
export default function () {http.get('https://test-api.com');sleep(1);
}

当我们开发完成一个应用程序时，往往需要对其进行性能测试，以帮助我们更好的优化程序以及发现程序中的一些bug。在性能测试中，达到相应的性能指标对于一个软件来说十分重要，在本文中，将介绍一种现代化性能测试工具k6。

k6是一个开源工具，基于JavaScript可以编写k6的测试脚本，测试Web应用程序以及API的性能，支持HTTP等多种协议，可以很好地模拟各种高负载场景，充分验证程序稳定性和性能。k6支持Linux、MacOS等多个平台，通过k6官网根据提示即可在各个平台快速安装k6，终端输入k6 version出现如下显示说明安装成功。

以下是一个简单的k6测试脚本，通过k6的HTTP API模拟Get请求，并且休眠一秒钟：K

import http from 'k6/http';
import { sleep } from 'k6';
export default function () {http.get('https://test-api.com');sleep(1);
}

通过执行下面这行代码，运行脚本，即可对服务完成测试。

k6 run test-script.js

k6提供了丰富的功能，以下是k6常用的一些API，具体可以参考官网文档介绍：

- http.get(url, [options])：发送GET请求。
- http.post(url, body, [options])：发送POST请求。
- check(res, checks)：检查响应是否符合预期。
- group(name, func)：将一组请求分组并统计性能指标。
- sleep(duration)：休眠指定的时间。

k6的测试结果包括以下一些指标，可以根据这些指标，更好的优化程序。

- VUs：虚拟用户的数量。
- Iterations：迭代次数。
- RPS：每秒钟的请求数。
- Duration：测试持续时间。
- Data Sent/Received：发送和接收的数据量。
- Checks：检查的数量。
- Status codes：响应状态码的数量。
- Errors：错误的数量。
- Latency distribution：延迟分布。

通过Python和k6你可以更加高效的完成符合自己要求的自动化测试，Python可以提供非常多的工具库，用来收集处理k6返回的结果。我们可以编写以下k6测试脚本，并且通过Python去执行它，相关注释我已经标注出来，在handleSummary函数中，我们可以通过metrics来获取各种测试信息，具体如代码所示，可以参考官网关于metrics的介绍，同时自定义环境变量的使用也十分方便，可以参考代码中的使用方式。

import http from 'k6/http';
import { check, sleep} from 'k6';
import {Rate} from 'k6/metrics';
export default function() {#post请求所需要的body体let requestBody = {"xxx":["xxxxx"],"xxxx": __ENV.MyVar # MyVar为自定义的环境变量，可以通过__ENV调用，在执行脚本时可直接通过MyVar=xxx传值};#urlconst url = 'http://example.com';const payload = JSON.stringify(requestBody);const params = {headers: {'Content-Type': 'application/json',},timeout: '100s' #每个请求的超时时间};let res = http.post(url, payload, params);#检测结果是否是200OKcheck(res, { 'status is 200': (r) => r.status === 200 });
}
export function handleSummary(data) {#通过data.metrics中的字段可以获取你想要的一些信息，例如每个请求的持续时间和吞吐量const time = `${data.metrics.http_req_duration.values.avg.toFixed(3)}`;const rps = `${data.metrics.http_reqs.values.rate.toFixed(3)}`;const res = `${time} ${rps}`; console.log(res); # 利用console.log可以将内容打印到控制台return {stdout : res}; #输出到标准输出
}

如下是一个Python代码示例，相关代码已经注释，通过Python中的subprocess模块执行k6脚本，并且捕获k6脚本的输出，通过pandas库进行整理输出到excel中。还可以通过argparse库解析命令行参数传入k6脚本中，更加灵活，高效。

# -*- coding: utf-8 -*-
import subprocess
from alive_progress import alive_bar # 非常丰富的进度条工具库
from tqdm import tqdm # 进度条工具库
import pandas as pd # 可以用来处理文本excel，csv等
from collections import OrderedDict
import argparse # 用来解析命令行参数 
import time
print('测试时间 : ', time.strftime('%b %d %Y %H:%M:%S', time.gmtime(time.time())))
print("************开始测试啦！ 祈祷不出错！**************")
# 需要测试的测试语句集合
test_examples = ["aaaaaaa","bbbbbbb","ccccccc"
]
dataMap = {'test': test_examples}
parser = argparse.ArgumentParser()
parser.add_argument("-d", default="60s", help="duration time", dest="duration_time") #解析命令行参数，控制测试时间
args = parser.parse_args()
print("每条语句测试时间 : ", args.duration_time)
vus = ['10', '20', '30', '40'] # 并发数集合 ，分别测试并发数为10,20,30,40的场景
cols_name = ['1-avg/ms', '1-rps/s', '10-avg/ms', '10-rps/s','20-avg/ms', '20-rps/s','50-avg/ms', '50-rps/s'] # excel的列名
# 循环测试，可以将多个需要测试的语句集合放入到dataMap中
for (name, data) in dataMap.items(): print("当前测试的项目为 ：", name)res = OrderedDict()res['test_examples'] = []for n in cols_name:res[n] = []df = pd.DataFrame(res)excel_name = name + ".xlsx"df.to_excel(excel_name, index=False)for query in data:print("当前测试语句为 ：", query)origin = pd.read_excel(excel_name)with alive_bar(len(vus)) as bar:temp_dict = {}temp_dict['test_examples'] = queryfor vu in vus:keyRps = vu + '-rps/s'keyTime = vu + '-avg/ms'MyVar='MyVar=' + query#通过Popen执行k6脚本，并且捕获它的标准输出process = subprocess.Popen(['k6', 'run', '--quiet', 'script.js', '--env', MyVar, '--vus', vu, '--duration', args.duration_time], stdout=subprocess.PIPE, stderr=subprocess.PIPE)result = process.stdout.read()temp = result.split()temp_dict[keyTime] = temp[0].decode();temp_dict[keyRps] = temp[1].decode();print("并发：", vu, temp[0].decode(), temp[1].decode())bar()#将脚本输出写到excelsave_data = origin.append(temp_dict, ignore_index=True)save_data.to_excel(excel_name, index=False)

执行此Python脚本，可以得到类似以下输出：