背景
在我们测试工作中，性能测试也是避免不了的，因此在性能测试前期准备工作中，需要 mock 足够批量的数据进行压测。那么怎么能在短时间内快速 mock 出想要的格式数据和足够量的数据进行压测？那么往下看。
安装相关类包
- pip install kafka
- pip install appmetrics
- pip install faker
- pip install pykafka
快速 mock kafka 批量测试数据
# -* coding:utf8 *-
from pykafka import KafkaClient
import uuid
import time
import threading
from appmetrics import metrics
from faker import Faker
import os
fake = Faker("zh-cn")
PATH = lambda p: os.path.abspath(
os.path.join(os.path.dirname(__file__), p)
)
meter = metrics.new_meter("meter_test")
host_producer = 'host地址'
def data_info():
uid = str(uuid.uuid4())
suid = ''.join(uid.split('-'))
return suid
def data_result():
#数据格式可自行定义
data = f"{data_info()},{fake.phone_number()},111111111111,LOL-UZI"
return data
def mock_request():
client_producer = KafkaClient(hosts=host_producer)
topicdocu = client_producer.topics['XXXXXXX-TOPIC']
producer = topicdocu.get_producer(sync=False) # sync=False 关闭同步，使用异步
while True:
data_uni = data_result()
producer.produce(bytes(data_uni, encoding='utf-8'))
meter.notify(1) # 请求一次 记录器打点一次
# i = i - 1
producer.stop()
def print_meter():
while True:
print(meter.get())
time.sleep(1)
def thread_request(nums):
t1 = []
for i in range(nums):
if i == 0:
#该线程是为了记录每秒打点作用
t = threading.Thread(target=print_meter, name="T" str(i))
else:
t = threading.Thread(target=mock_request, name="T" str(i))
t.setDaemon(True)
t1.append(t)
for t in t1:
t.start()
for t in t1:
t.join()
#
#
if __name__ == '__main__':
thread_request(101)
appmetrics 使用方法
Meters
Meters，度量一系列事件发生的速率 (rate)，例如 TPS。Meters 会统计最近 1 分钟，5 分钟，15 分钟，还有全部时间的速率。
meter = metrics.new_meter(“meter_test”) meter.notify(1) meter.notify(1) meter.notify(3) meter.get()
返回结果
{'count': 5, 'kind': 'meter', 'five': 0.0066114184713530035, 'mean': 0.27743058841197027, 'fifteen': 0.0022160607980413085, 'day': 2.3147478365093123e-05, 'one': 0.031982234148270686}
以上就是python批量测试多线程之快速mock数据的详细内容，更多关于python测试多线程mock数据的资料请关注Devmax其它相关文章！