❶ python多線程thread.start_new_thread傳參的問題
因為thread.start_new_thread(ssh_cmd,(3,))開的線程會和主線程一起結束，所以等不到執行print number 程序就結束了
❷ 如何用Python一門語言通吃高性能並發，GPU計算和深度學習
第一個就是並發本身所帶來的開銷即新開處理線程、關閉處理線程、多個處理線程時間片輪轉所帶來的開銷。
實際上對於一些邏輯不那麼復雜的場景來說這些開銷甚至比真正的處理邏輯部分代碼的開銷更大。所以我們決定採用基於協程的並發方式，即服務進程只有一個(單cpu)所有的請求數據都由這個服務進程內部來維護，同時服務進程自行調度不同請求的處理順序，這樣避免了傳統多線程並發方式新建、銷毀以及系統調度處理線程的開銷。基於這樣的考慮我們選擇了基於Tornado框架實現api服務的開發。Tornado的實現非常簡潔明了，使用python的生成器作為協程，利用IOLoop實現了調度隊列。
第二個問題是資料庫的性能，這里說的資料庫包括MongoDB和Redis，我這里分開講。
先講MongoDB的問題，MongoDB主要存儲不同的用戶對於驗證的不同設置，比如該顯示什麼樣的圖片。
一開始每次驗證請求都會查詢MongoDB，當時我們的MongoDB是純內存的，同時三台機器組成一個復制集，這樣的組合大概能穩定承載八九千的qps，後來隨著我們驗證量越來越大，這個承載能力逐漸就成為了我們的瓶頸。
為了徹底搞定這個問題，我們提出了最極端的解決方案，乾脆直接把資料庫中的數據完全緩存到服務進程里定期批量更新，這樣查詢的開銷將大大降低。但是因為我們用的是Python，由於GIL的存在，在8核伺服器上會fork出來8個服務進程，進程之間不像線程那麼方便，所以我們基於mmap自己寫了一套夥伴演算法構建了一個跨進程共享緩存。自從這套緩存上線之後，Mongodb的負載幾乎變成了零。
說完了MongoDB再說Redis的問題，Redis代碼簡潔、數據結構豐富、性能強大，唯一的問題是作為一個單進程程序，終究性能是有上限的。
雖然今年Redis發布了官方的集群版本，但是經過我們的測試，認為這套分布式方案的故障恢復時間不夠優秀並且運維成本較高。在Redis官方集群方案面世之前，開源世界有不少proxy方案，比如Twtter的TwemProxy和豌豆莢的Codis。這兩種方案測試完之後給我們的感覺TwemProxy運維還是比較麻煩，Codis使用起來讓人非常心曠神怡，無論是修改配置還是擴容都可以在配置頁面上完成，並且性能也還算不錯，但無奈當時Codis還有比較嚴重的BUG只能放棄之。
幾乎嘗試過各種方案之後，我們還是下決心自己實現一套分布式方案，目的是高度貼合我們的需求並且運維成本要低、擴容要方便、故障切換要快最重要的是數據冗餘一定要做好。
基於上面的考慮，我們確定基於客戶端的分布式方案，通過zookeeper來同步狀態保證高可用。具體來說，我們修改Redis源碼，使其向zookeeper注冊，客戶端由zookeeper上獲取Redis伺服器集群信息並根據統一的一致性哈希演算法來計算數據應該存儲在哪台Redis上，並在哈希環的下一台Redis上寫入一份冗餘數據，當讀取原始數據失敗時可以立即嘗試讀取冗餘數據而不會造成服務中斷。
❸ python同時打開幾個程序默認運行哪一個
操作系統的作用
隱藏醜陋復雜的硬體介面，提供良好的抽象介面
管理、調度進程，並且將多個進程對硬體的競爭變得有序
2. 多道技術產生背景
針對單核，實現並發
現在的主機一般是多核，那麼每個核都會利用多道技術
有 4 個 cpu，運行於 cpu1 的某個程序遇到 io 阻塞，會等到 io 結束再重新調度
會被調度到 4 個 cpu 中的任意一個，具體由操作系統調度演算法決定
3. 多道技術空間上的復用：如內存中同時有多道程序
4. 多道技術時間上的復用
復用一個 cpu 的時間片
注意，遇到 io 切，佔用 cpu 時間過長也切
核心在於切之前將進程的狀態保存下來
這樣才能保證下次切換回來時，能基於上次切走的位置繼續運行
進程的概念
進程是一個具有一定獨立功能的程序關於某個數據集合的一次運行活動
進程是操作系統動態執行的基本單元
在傳統的操作系統中，進程既是基本的分配單元，也是基本的執行單元
進程與程序的區別
程序是指令和數據的有序集合，是一個靜態的概念。程序可以作為一種軟體資料長期存在，是永久的
進程是程序在處理機上的一次執行過程,它是一個動態的概念。進程是有一定生命期的，是暫時的
5. 注意：同一個程序執行兩次，就會在操作系統中出現兩個進程。所以可以同時運行一個軟體，分別做不同的事情也不會混亂，比如可以打開兩個Pycharm做不同的事
6. 進程調度
要想多個進程交替運行，操作系統必須對這些進程進行調度
這個調度也不是隨即進行的，而是需要遵循一定的法則
由此就有了進程的調度演算法：先來先服務調度演算法、短作業優先調度演算法、時間片輪轉法、多級反饋隊列
並行和並發
並行是指在一個時間點上，有多個進程在被 cpu 計算，比如賽跑，兩個人都在不停的往前跑
並發是指資源有限的情況下，在一個時間段上，有多個進程在被 cpu 計算，交替輪流使用資源
並行與並發的區別
並行是從微觀上，也就是在一個精確的時間片刻，有不同的程序在執行，這就要求必須有多個處理器
並發是從宏觀上，在一個時間段上可以看出是同時執行的，比如一個伺服器同時處理多個 session
進程的三狀態
在程序運行的過程中，由於被操作系統的調度演算法控制，程序會進入幾個狀態
就緒
運行
阻塞
2. 舉例說明什麼是 argv，什麼是阻塞
import sys
print(sys.argv)
# 運行結果：
['G:/course_select/進程的概念.py']
# argv 指參數
# sys.argv 是 Python 解釋器在運行的時候傳遞進來的參數
# 首先在cmd輸入以下信息：
python G:/course_select/進程的概念.py
# 列印結果：
['G:/course_select/進程的概念.py']
# 然後在cmd中切換路徑到G盤，接著輸入 python course_select/進程的概念.py
# 列印結果：
['course_select/進程的概念.py']
# 接著，再在cmd中輸入：python course_select/進程的概念.py 123 abc
# 列印結果：
['course_select/進程的概念.py', '123', 'abc']
# 因此，以下程序不能在編輯器里運行，只能在 cmd 裡面使用 Python 運行本文件
# 然後要在後面加上 aaa bbb
# 就像上面的 python course_select/進程的概念.py 123 abc 一樣
if sys.argv[1] == "aaa" and sys.argv[2] == "bbb":
print("登錄成功")
else:
print("登錄失敗")
exit()
print(666)
# 而如果使用input(),其實就是一種阻塞
3. 進程的三狀態圖
.png
同步非同步
同步：形象的說，一件事的執行必須依賴另一件事的結束，強調的是順序性
非同步： 形象的說，兩件事情可以同時進行
注意：同步非同步和並行、並發沒關系
阻塞：等待，比如 input sleep recv accept recvfrom
非阻塞：不等待，start/terminate 都是非阻塞的
阻塞與非阻塞主要是從程序（線程）等待消息通知時的狀態角度來說的
可以分為四類：
同步阻塞
非同步阻塞
同步非阻塞
非同步非阻塞
start/terminate 都是非阻塞的
進程模塊
跟進程相關的基本都在這個模塊里：multiprocessing
父進程與子進程的對比分析
父進程，比如運行本文件
子進程，運行 Process(target=func).start()
父進程與子進程數據隔離
主進程等待子進程結束之後再結束
子進程和主進程之間默認是非同步的
from multiprocessing import Process
import time
def func():
time.sleep(1)
print(666)
if __name__ == "__main__":
# 開啟了一個新的進程，在這個新的進程里執行的 func()
Process(target=func).start()
time.sleep(1)
# 主進程
print(777)
# 777
# 666
# 運行結果仔細觀察發現有非同步的效果
# 也就是說，主進程和新的進程同時執行
3. 上面的示例中為什麼要有 if __name__ == "__main__"？其實這是 windows 操作系統開啟子進程的方式問題
4. 繼續深入
import time
import os
from multiprocessing import Process
def func():
time.sleep(1)
print(666, os.getpid(), os.getppid())
if __name__ == "__main__":
# 代碼執行到這里並不代表開啟了子進程
p = Process(target=func)
# 開啟了一個子進程，並執行func()
p.start()
time.sleep(1)
print(777, os.getpid(), os.getppid())
# 主進程運行的結果
777 12340 1636
# 子進程運行的結果
666 7604 12340
# 由上面兩行結果可以得出：
# 利用 os.getpid() 證明兩個進程不一樣
# 另外每次運行，os.getpid() 結果都不一樣
# 但是，12340 是主進程的 id，7604 是子進程的 id
# 1636 是 Pycharm 的 id，排列特點不變
5. 開啟多個相同的子進程示例
import time
import os
from multiprocessing import Process
def func():
time.sleep(3)
print(666, os.getpid(), os.getppid())
if __name__ == "__main__":
for i in range(10):
p = Process(target=func)
p.start()
time.sleep(1)
print(777, os.getpid(), os.getppid())
# 這里需要注意一點：Python 程序一直都是逐行執行
# 但是因為這里設置了時間延遲，因此會先執行主程序的代碼
# 運行結果：
777 29006 3833 # 暫停 2s 後再有下面的結果
666 29007 29006
666 29009 29006
666 29008 29006
666 29010 29006
666 29013 29006
666 29011 29006
666 29012 29006
666 29014 29006
666 29016 29006
666 29015 29006
# 觀察結果發現主進程只運行了一次
# 然後剩下的全是一個子進程重新運行的結果
# 主進程運行完不會結束，它會等子進程全部運行結束
# 注意變數 p 拿到的是最後一個子進程的 id
6. 開啟多個不同的子進程示例
import time
import os
from multiprocessing import Process
def func():
time.sleep(2)
print(666, os.getpid(), os.getppid())
def func2():
print(111)
if __name__ == "__main__":
for i in range(3):
p = Process(target=func)
p.start()
for i in range(2):
p = Process(target=func2)
p.start()
time.sleep(1)
print(777, os.getpid(), os.getppid())
# 運行程序時仔細觀察結果顯示順序：
111
111
777 29316 3833
666 29319 29316
666 29317 29316
666 29318 29316
7. 給子進程傳參示例
from multiprocessing import Process
def func(name):
print(666, name)
if __name__ == "__main__":
p = Process(target=func,args=(777,)) # 注意是一個元組
p.start()
import time
from multiprocessing import Process
def func(num, name):
time.sleep(1)
print(num, "hello", name)
if __name__ == "__main__":
for i in range(10):
p = Process(target=func, args=(i, "abc"))
p.start()
print("主進程")
# 運行結果：
666 777
主進程
0 hello abc
2 hello abc
1 hello abc
3 hello abc
5 hello abc
4 hello abc
6 hello abc
7 hello abc
8 hello abc
9 hello abc
# 多運行幾次，發現子進程並不是完全按順序運行的
# 比如上面先出結果 2 hello abc，再出結果 1 hello abc
8. 子進程可以有返回值嗎：不能有返回值，因為子進程函數中的返回值無法傳遞給父進程
import time
from multiprocessing import Process
def func():
time.sleep(3)
print("這是子進程,3s後才運行")
if __name__ == "__main__":
Process(target=func).start()
print("主進程")
# 運行結果：
主進程
這是子進程,3s後才運行
# 主進程會默認等待子進程結束之後才結束
# 因為父進程要負責回收子進程佔用的操作系統資源
相關資源：Python多進程寫入同一文件的方法_python多進程寫入同意文件-其它...
文章知識點與官方知識檔案匹配
Python入門技能樹首頁概覽
194693 人正在系統學習中
點擊閱讀全文
打開CSDN，閱讀體驗更佳
Python多進程(一)進程及進程池_程序員-夏天的博客
print("主進程結束") 通過上述代碼我們發現,multiprocessing.Process幫我們創建一個子進程,並且成功運行,但是我們發現,在子進程還沒執行完的時候主進程就已經死了,那麼這個子進程在主進程結束後就是一個孤兒進程,那麼我們可以讓主進程等待...
Python多進程之Process、Pool、Lock、Queue、Event、Semaphore、Pipe_大 ...
1. Python創建進程類Process python的multiprocessing模塊提供了一個創建進程的類Precess,其創建有以下兩種方法: 創建Process類的實例,並指向目標函數和傳遞參數 自定義一個類並繼承Process類,重寫__init__()和run()方法 ...
python兩個進程同時開啟只運行了一個_二十二、 深入Python的進程和線程（上篇）...
「@Author： Runsen」進程(Process)和線程(Thread)都是操作系統中的基本概念，它們之間有一些優劣和差異，那麼在Python中如何使用進程和線程？CPU計算機的核心是CPU，它承擔了計算機的所有計算任務，CPU就像一個工廠，時刻在運行著，而操作系統管理著計算機，負責任務的調度、資源的分配和管理。進程進程是指在系統中能獨立運行並作為資源分配的基本單位，它是由一組機器指令、數據...
繼續訪問
python啟動多個進程_Python多處理：只有一個進程正在運行
由於注釋表明您希望使用初始化程序和initargs參數傳遞featureVector.在Unix類型的系統上,這將導致大量的性能提升(即使selLabel中只有1個項目),因為該值將使用os.fork基本上免費傳遞給子進程.否則,每次調用foo時,featureVector都將被父進程pickle,通過管道傳遞並由子進程進行unpickled.這將花費很長時間,並且基本上將序列化所有子進程,因為它...
繼續訪問
python多進程多線程,多個程序同時運行_陳逸飛_p的博客_pyth...
python 模塊應用 開發工具 pycharm 實現方法 多任務的實現可以用進程和線程來實現 進程—> 線程---> 多任務應用 多進程操作 比如下載多個文件, 利用cpu 資源 提高效率 多任務: 同一時間執行多個任務, 比如windows操作系統 執行...
python多進程單例_Python多線程處理實例詳解【單進程/多進程】
python — 多線程處理 1、一個進程執行完後,繼續下一個進程 root@72132server:~# cd /root/python/multiprocess/ root@72132server:~/python/multiprocess# ls multprocess.py root@72132server:~/python/multiprocess# cat multprocess...
系統編程__2__父子進程的創建和回收
系統編程 這里寫的是對於小白來說更多的了解系統編程的文章，有寫的不對的地方還懇請各位大佬指出錯誤，小編一定會多多採納[手動多謝]。 那麼，上一次我們稍微了解了一下關於系統編程的一些主要內容[沒有看到的童鞋還請去上一篇文章稍微復習一下噢]。 這節課，我們先來想一想，我們為什麼要學系統編程呢？原因很簡單，我們要充分的利用CPU的性能，CPU和我們人類不太一樣，我們人類大多數情況下，在同一時間，只能完成一件事，而CPU作為無數科學家的心血當然不會這么簡單，CPU能夠同時進行多個進程，這里的進程我們可以理解成任務，
繼續訪問
android 10 system/core無法列印log問題
1.關閉重定向 system/core/init/util.cpp --- a/init/util.cpp +++ b/init/util.cpp @@ -454,7 +454,7 @@ static void InitAborter(const char* abort_message) { // SetStdioToDevNull() must be called again in second stage init. void SetStdioToDevNull(char** argv) { ...
繼續訪問
Python多進程1 一個多進程實例_BBJG_001的博客
下執行,job('主進程step1###')p1=mp.Process(target=job,args=('新進程>>>',))# 創建一個進程# 注意當只有一個參數的時候,一定要在參數後面加一個逗號,因為args需要是一個可以迭代的參量p1.start()# 開始執行新進程# p...
熱門推薦 python多進程多線程,多個程序同時運行
python 多線程 多進程同時運行 多任務要求 python 基礎語法 python 文件目錄操作 python 模塊應用 開發工具 pycharm 實現方法 多任務的實現可以用進程和線程來實現 進程—> 線程----> 多任務應用 多進程操作 比如下載多個文件, 利用cpu 資源 提高效率 多任務： 同一時間執行多個任務, 比如windows操作系統 執行方式有兩種( 表現形式 ) 並發 在單核cpu中: 在一段時間內交替執行多個任務, 例如單核cpu 處理多任務, 操作系統讓各個任務交
繼續訪問
fork()函數
多進程通信 fork()函數
繼續訪問
（1/7）Electron教程（一）什麼是 Electron，由來、適用場景 和 Electron 的環境搭建（1/7）
最近自己有個小的需求，是做一個能編輯本地特定文本的工具，需要跨平台， Windows 和 macOS，這樣，如果用原生開發的話，Windows 就要用c#macOS 就要用swift，學習成本高，並且學完用處也不是很大。我本身是前端開發的，發現了這個electron能滿足我的需求，跨平台運行，內部是 js 驅動的，簡直就是如魚得水。順便把學習的經歷寫出來，分享需要的人，我會按標題序號漸進式地編寫內容。electron。...
繼續訪問
fork()詳解
<一>： fork()函數用來創建新的進程，它的特點是調用一次返回兩次( 在原來的進程中返回新進程的 PID（新進程的 PID 肯定不等於 0）， 在新進程中返回為 0.) 函數原型：pid_t fork(void)； pid_t getpid(); 獲取當前進程的 pid 值。 pid_t getppid(); 獲取當前進程的父進程 pid 值。 圖一 如圖一所...
繼續訪問
fork()函數詳解
目錄 1.基本了解： 2.fork函數的了解： 3.僵死進程： 1.基本了解： 一個進程，包括代碼、數據和分配給進程的資源。fork 函數會新生成一個進程，調用 fork 函數的進程為父進程，新生成的進程為子進程。在父進程中返回子進程的 pid，在子進程中返回 0，失敗返回-1。 為什麼兩個進程的fpid不同呢，這與fork函數的特性有關。fork調用的一個奇妙之處就是它僅僅被調用一次，卻能夠返回兩次，它可能有三種不同的返回值： 1）在父進程中，fork返回新創建子進程的進程...
繼續訪問
Electron在Windows下的環境搭建
Electron作為一種用javascript寫桌面程序的開發方式，現在已經被大眾接受。下面就介紹如何在windows（>win7）下快速搭建Electron開發環境。 1. nodejs 的安裝 從nodejs 下載最新版本的windows安裝程序進行安裝，我下載的是v6.9.1，安裝時一路默認即可，這個安裝會把nodejs和npm配置到系統PATH中，這樣在命令行的任何位置都可以直接...
繼續訪問
python多線程pool_Python mutiprocessing多線程池pool操作示例
本文實例講述了Python mutiprocessing多線程池pool操作。分享給大家供大家參考，具體如下：python — mutiprocessing 多線程 pool腳本代碼：root@72132server:~/python/multiprocess# lsmultiprocess_pool.py multprocess.pyroot@72132server:~/python/multi...
繼續訪問
最新發布 python入門開發學習筆記之守護進程
本節重點 了解守護進程的概念 本節時長需控制在5分鍾內 一 守護進程 主進程創建子進程，然後將該進程設置成守護自己的進程，守護進程就好比崇禎皇帝身邊的老太監，崇禎皇帝已死老太監就跟著殉葬了。 關於守護進程需要強調兩點： 其一：守護進程會在主進程代碼執行結束後就終止 其二：守護進程內無法再開啟子進程,否則拋出異常：AssertionError: daemonic processes are not allowed to have children 如果我們有兩個任務需要並發執行，那麼開一個主進程和一個子進程分
繼續訪問
用python進行多進程編程時，只有主進程可以運行，子進程貌似沒有運行是什麼原因？
找了半天，原來是這個原因！這是因為multiprocessing模塊在交互模式是不支持的，在 cmd 里頭輸入 python xxx.py 來運行起來，你就可以看到子進程的執行了。
繼續訪問
linux中fork() 函數詳解
fork入門知識 一個進程，包括代碼、數據和分配給進程的資源。fork（）函數通過系統調用創建一個與原來進程幾乎完全相同的進程，也就是兩個進程可以做完全相同的事，但如果初始參數或者傳入的變數不同，兩個進程也可以做不同的事。 一個進程調用fork（）函數後，系統先給新的進程分配資源，例如存儲數據和代碼的空間。然後把原來的進程的所有值都復制到新的新進程中，只有少數值與原來的進程的值不同。相當於克隆了...
繼續訪問
Windows版 Node.js 安裝詳解以及Electron安裝
Windows Node.js 安裝詳解以及Electron安裝詳解，示例版本：node v10.15.0/npm6.4.1 介紹： 簡單的說 Node.js 就是運行在服務端的 JavaScript。 Node.js 是一個基於Chrome JavaScript 運行時建立的一個平台。 Node.js是一個事件驅動I/O服務端JavaScript環境，基於Google的V8引擎，V8引擎執...
繼續訪問
Electron 簡介
本教程我們來學習 Electron 的基礎知識，下面我們先來學習一下什麼是 Electron。 Electron是什麼 Electron 是是 GitHub 開發的一個開源框架。它允許使用 Node.js（作為後端）和 Chromium（作為前端）完成桌面 GUI 應用程序的開發。 Electron 可以用於構建具有 HTML、CSS、JavaScript 的跨平台桌面應用程序，它通過將 Chromium 和 node.js 合同一個運行的環境中來實現這一點，應用程序可以打包到 Mac、Windows 和
繼續訪問
Election的優缺點
優點 原生的介面（菜單、消息提醒、系統托盤等）。 上手難度低。能夠使用react、vue等前端框架，能方便地遷移前端組件，構建出漂亮的桌面應用。 方便熱更新 調試和測試方便 Electron使用node.js。因此，您可以導入Chrome應用程序中不容易使用的許多模塊 Electron文檔要好得多，盡管它是一個更年輕的平台 缺點 不適合開發輕量級的應用。即使一個electron的項目框架，也包含chromium內核，打包完接近200G。 相比c++開發的桌面應用，性能遠遠不如後者。 啟動速
繼續訪問
[electron]終極奧義 五千字教程丟給你
前言 本文包含打包、自動更新、簡易API、調試、進程通信等相關知識點，內容較多，可能會引起不適，請酌情查看（手動滑稽）。 electron 簡介 electron是由Github開發，是一個用Html、css、JavaScript來構建桌面應用程序的開源庫，可以打包為Mac、Windows、Linux系統下的應用。 electron是一個運行時環境，包含Node和Chromium，可以理解成把we...
繼續訪問
深入理解Java中的wait() 方法
使用場景 當某個線程獲取到鎖後，發現當前還不滿足執行的條件，就可以調用對象鎖的wait方法，進入等待狀態。 直到某個時刻，外在條件滿足了，就可以由其他線程通過調用notify()或者notifyAll()方法，來喚醒此線程。 這篇文章將側重於討論wait()方法對於線程狀態的影響，以及被喚醒後線程的狀態變更。 條件 只有已經獲取鎖的線程，才可以調用鎖的wait方法，否則會拋出異常IllegalMonitorStateException。 比如下面的代碼，A獲得了鎖後，主動調用wait方法釋放鎖和
繼續訪問
用Electron開發桌面應用的避坑指南(文末送書)
送一波高質量Web開發圖書，送5本書籍，隨你挑。抽獎規則見本文最後！抽獎規則見本文最後！抽獎規則見本文最後！如今，Electron 領域發生了重大的變革，Electron 版本更新換代極快...
繼續訪問
python多進程只有一個進程在執行
python兩個進程同時開啟只運行了一個。
❹ Python - pytest
目錄
pytest是Python的單元測試框架，同自帶的unittest框架類似，但pytest框架使用起來更簡潔，效率更高。
pytest特點
安裝
測試
在測試之前要做的准備
我的演示腳本處於這樣一個的目錄中：
踩坑：你創建的pytest腳本名稱中不允許含有 . ，比如 1.簡單上手.py ，這樣會報錯。當然，可以這么寫 1-簡單上手.py
demo1.py ：
上例中，當我們在執行（就像Python解釋器執行普通的Python腳本一樣）測試用例的時候， pytest.main(["-s", "demo1.py"]) 中的傳參需要是一個元組或者列表（我的pytest是5.2.2版本），之前的版本可能需要這么調用 pytest.main("-s demo1.py") ，傳的參數是str的形式，至於你使用哪種，取決於報不報錯：
遇到上述報錯，就是參數需要一個列表或者元組的形式，而我們使用的是str形式。
上述代碼正確的執行結果是這樣的：
大致的信息就是告訴我們:
pytest.main(["-s", "demo1.py"])參數說明
除了上述的函數這種寫法，也可以有用例類的寫法：
用法跟unittest差不多，類名要以 Test 開頭，並且其中的用例方法也要以 test 開頭，然後執行也一樣。
執行結果：
那麼，你這個時候可能會問，我記得unittest中有setup和teardown的方法，難道pytest中沒有嘛？你怎麼提都不提？穩住，答案是有的。
接下來，我們來研究一下pytest中的setup和teardown的用法。
我們知道，在unittest中，setup和teardown可以在每個用例前後執行，也可以在所有的用例集執行前後執行。那麼在pytest中，有以下幾種情況：
來一一看看各自的用法。
模塊級別setup_mole/teardown_mole
執行結果：
類級別的setup_class/teardown_class
執行結果：
類中方法級別的setup_method/teardown_method
執行結果：
函數級別的setup_function/teardown_function
執行結果：
小結
該腳本有多種運行方式，如果處於PyCharm環境，可以使用右鍵或者點擊運行按鈕運行，也就是在pytest中的主函數中運行：
也可以在命令行中運行：
這種方式，跟使用Python解釋器執行Python腳本沒有什麼兩樣。也可以如下面這么執行：
當然，還有一種是使用配置文件運行，來看看怎麼用。
在項目的根目錄下，我們可以建立一個 pytest.ini 文件，在這個文件中，我們可以實現相關的配置：
那這個配置文件中的各項都是什麼意思呢？
首先， pytest.ini 文件必須位於項目的根目錄，而且也必須叫做 pytest.ini 。
其他的參數：
OK，來個示例。
首先，（詳細目錄參考開頭的目錄結構）在 scripts/test_case_01.py 中：
在 scripts/test_case_dir1/test_case02.py 中：
那麼，在不同的目錄或者文件中，共有5個用例將被執行，而結果則是兩個失敗三個成功。來執行驗證一下，因為有了配置文件，我們在終端中（前提是在項目的根目錄），直接輸入 pytest 即可。
由執行結果可以發現， 2 failed, 3 passed ，跟我們的預期一致。
後續執行相關配置都來自配置文件，如果更改，會有相應說明，終端都是直接使用 pytest 執行。
我們知道在unittest中，跳過用例可以用 skip ，那麼這同樣是適用於pytest。
來看怎麼使用：
跳過用例，我們使用 @pytest.mark.skipif(condition, reason) ：
然後將它裝飾在需要被跳過用例的的函數上面。
效果如下：
上例執行結果相對詳細，因為我們在配置文件中為 addopts 增加了 -v ，之前的示例結果中，沒有加！
另外，此時，在輸出的控制台中， 還無法列印出 reason 信息，如果需要列印，則可以在配置文件中的 addopts 參數的 -s 變為 -rs ：
如果我們事先知道測試函數會執行失敗，但又不想直接跳過，而是希望顯示的提示。
Pytest 使用 pytest.mark.xfail 實現預見錯誤功能：：
需要掌握的必傳參數的是：
那麼關於預期失敗的幾種情況需要了解一下：
結果如下：
pytest 使用 x 表示預見的失敗（XFAIL）。
如果預見的是失敗，但實際運行測試卻成功通過，pytest 使用 X 進行標記（XPASS）。
而在預期失敗的兩種情況中，我們不希望出現預期失敗，結果卻執行成功了的情況出現，因為跟我們想的不一樣嘛，我預期這條用例失敗，那這條用例就應該執行失敗才對，你雖然執行成功了，但跟我想的不一樣，你照樣是失敗的！
所以，我們需要將預期失敗，結果卻執行成功了的用例標記為執行失敗，可以在 pytest.ini 文件中，加入：
這樣就就把上述的情況標記為執行失敗了。
pytest身為強大的單元測試框架，那麼同樣支持DDT數據驅動測試的概念。也就是當對一個測試函數進行測試時，通常會給函數傳遞多組參數。比如測試賬號登陸，我們需要模擬各種千奇百怪的賬號密碼。
當然，我們可以把這些參數寫在測試函數內部進行遍歷。不過雖然參數眾多，但仍然是一個測試，當某組參數導致斷言失敗，測試也就終止了。
通過異常捕獲，我們可以保證程所有參數完整執行，但要分析測試結果就需要做不少額外的工作。
在 pytest 中，我們有更好的解決方法，就是參數化測試，即每組參數都獨立執行一次測試。使用的工具就是 pytest.mark.parametrize(argnames, argvalues) 。
使用就是以裝飾器的形式使用。
只有一個參數的測試用例
來看（重要部分）結果：：
可以看到，列表內的每個手機號，都是一條測試用例。
多個參數的測試用例
（重要部分）結果：
可以看到，每一個手機號與每一個驗證碼都組合一起執行了，這樣就執行了4次。那麼如果有很多個組合的話，用例數將會更多。我們希望手機號與驗證碼一一對應組合，也就是只執行兩次，怎麼搞呢？
在多參數情況下，多個參數名是以 , 分割的字元串。參數值是列表嵌套的形式組成的。
固件（Fixture）是一些函數，pytest 會在執行測試函數之前（或之後）載入運行它們，也稱測試夾具。
我們可以利用固件做任何事情，其中最常見的可能就是資料庫的初始連接和最後關閉操作。
Pytest 使用 pytest.fixture() 定義固件，下面是最簡單的固件，訪問主頁前必須先登錄：
結果：
在之前的示例中，你可能會覺得，這跟之前的setup和teardown的功能也類似呀，但是，fixture相對於setup和teardown來說更靈活。pytest通過 scope 參數來控制固件的使用范圍，也就是作用域。
比如之前的login固件，可以指定它的作用域：
很多時候需要在測試前進行預處理（如新建資料庫連接），並在測試完成進行清理（關閉資料庫連接）。
當有大量重復的這類操作，最佳實踐是使用固件來自動化所有預處理和後處理。
Pytest 使用 yield 關鍵詞將固件分為兩部分， yield 之前的代碼屬於預處理，會在測試前執行； yield 之後的代碼屬於後處理，將在測試完成後執行。
以下測試模擬資料庫查詢，使用固件來模擬資料庫的連接關閉：
結果：
可以看到在兩個測試用例執行前後都有預處理和後處理。
pytest中還有非常多的插件供我們使用，我們來介紹幾個常用的。
先來看一個重要的，那就是生成測試用例報告。
想要生成測試報告，首先要有下載，才能使用。
下載
如果下載失敗，可以使用PyCharm下載，怎麼用PyCharm下載這里無需多言了吧。
使用
在配置文件中，添加參數：
效果很不錯吧！
沒完，看我大招
Allure框架是一個靈活的輕量級多語言測試報告工具，它不僅以web的方式展示了簡潔的測試結果，而且允許參與開發過程的每個人從日常執行的測試中最大限度的提取有用信息。
從開發人員（dev，developer）和質量保證人員（QA，Quality Assurance）的角度來看，Allure報告簡化了常見缺陷的統計：失敗的測試可以分為bug和被中斷的測試，還可以配置日誌、步驟、fixture、附件、計時、執行 歷史 以及與TMS和BUG管理系統集成，所以，通過以上配置，所有負責的開發人員和測試人員可以盡可能的掌握測試信息。
從管理者的角度來看，Allure提供了一個清晰的「大圖」，其中包括已覆蓋的特性、缺陷聚集的位置、執行時間軸的外觀以及許多其他方便的事情。allure的模塊化和可擴展性保證了我們總是能夠對某些東西進行微調。
少扯點，來看看怎麼使用。
Python的pytest中allure下載
但由於這個 allure-pytest 插件生成的測試報告不是 html 類型的，我們還需要使用allure工具再「加工」一下。所以說，我們還需要下載這個allure工具。
allure工具下載
在現在allure工具之前，它依賴Java環境，我們還需要先配置Java環境。
注意，如果你的電腦已經有了Java環境，就無需重新配置了。
配置完了Java環境，我們再來下載allure工具，我這里直接給出了網路雲盤鏈接，你也可以去其他鏈接中自行下載：
下載並解壓好了allure工具包之後，還需要將allure包內的 bin 目錄添加到系統的環境變數中。
完事後打開你的終端測試：
返回了版本號說明安裝成功。
使用
一般使用allure要經歷幾個步驟：
來看配置 pytest.ini ：
就是 --alluredir ./report/result 參數。
在終端中輸入 pytest 正常執行測試用例即可：
執行完畢後，在項目的根目下，會自動生成一個 report 目錄，這個目錄下有：
接下來需要使用allure工具來生成HTML報告。
此時我們在終端（如果是windows平台，就是cmd），路徑是項目的根目錄，執行下面的命令。
PS：我在pycharm中的terminal輸入allure提示'allure' 不是內部或外部命令，也不是可運行的程序或批處理文件。但windows的終端沒有問題。
命令的意思是，根據 reportresult 目錄中的數據（這些數據是運行pytest後產生的）。在 report 目錄下新建一個 allure_html 目錄，而這個目錄內有 index.html 才是最終的allure版本的HTML報告；如果你是重復執行的話，使用 --clean 清除之前的報告。
結果很漂亮：
allure open
默認的，allure報告需要HTTP伺服器來打開，一般我們可以通過pycharm來完成，另外一種情況就是通過allure自帶的open命令來完成。
allure的其他用法
當然，故事還是沒有完！在使用allure生成報告的時候，在編寫用例階段，還可以有一些參數可以使用：
allure.title與allure.description
feature和story
由上圖可以看到，不同的用例被分為不同的功能中。
allure.severity
allure.severity 用來標識測試用例或者測試類的級別，分為blocker，critical，normal，minor，trivial5個級別。
severity的默認級別是normal，所以上面的用例5可以不添加裝飾器了。
allure.dynamic
在之前，用例的執行順序是從上到下依次執行：
正如上例的執行順序是 3 1 2 。
現在，來看看我們如何手動控制多個用例的執行順序，這里也依賴一個插件。
下載
使用
手動控制用例執行順序的方法是在給各用例添加一個裝飾器：
那麼， 現在的執行順序是 2 1 3 ，按照order指定的排序執行的。
如果有人較勁傳個0或者負數啥的，那麼它們的排序關系應該是這樣的：
失敗重試意思是指定某個用例執行失敗可以重新運行。
下載
使用
需要在 pytest.ini 文件中， 配置：
給 addopts 欄位新增（其他原有保持不變） --reruns=3 欄位，這樣如果有用例執行失敗，則再次執行，嘗試3次。
來看示例：
結果：
我們也可以從用例報告中看出重試的結果：
上面演示了用例失敗了，然後重新執行多少次都沒有成功，這是一種情況。
接下來，來看另一種情況，那就是用例執行失敗，重新執行次數內通過了，那麼剩餘的重新執行的次數將不再執行。
通過 random 模塊幫助我們演示出在某次執行中出現失敗的情況，而在重新執行的時候，會出現成功的情況，看結果：
可以看到，用例 02 重新執行了一次就成功了，剩餘的兩次執行就終止了。
一條一條用例的執行，肯定會很慢，來看如何並發的執行測試用例，當然這需要相應的插件。
下載
使用
在配置文件中添加：
就是這個 -n=auto ：
並發的配置可以寫在配置文件中，然後其他正常的執行用例腳本即可。另外一種就是在終端中指定，先來看示例：
結果：
pytest-sugar 改變了 pytest 的默認外觀，添加了一個進度條，並立即顯示失敗的測試。它不需要配置，只需 下載插件即可，用 pytest 運行測試，來享受更漂亮、更有用的輸出。
下載
其他照舊執行用例即可。
pytest-cov 在 pytest 中增加了覆蓋率支持，來顯示哪些代碼行已經測試過，哪些還沒有。它還將包括項目的測試覆蓋率。
下載
使用
在配置文件中：
也就是配置 --cov=./scripts ，這樣，它就會統計所有 scripts 目錄下所有符合規則的腳本的測試覆蓋率。
執行的話，就照常執行就行。
結果：
更多插件參考：https://zhuanlan.hu.com/p/50317866
有的時候，在 pytest.ini 中配置了 pytest-html 和 allure 插件之後，執行後報錯：
出現了這個報錯，檢查你配置的解釋器中是否存在 pytest-html 和 allure-pytest 這兩個模塊。如果是使用的pycharm ide，那麼你除了檢查settings中的解釋器配置之外，還需要保證運行腳本的編輯器配置是否跟settings中配置一致。
❺ 怎麼進行性能測試
問題一：性能測試應該做哪些准備 環境搭建：這個根據實際規劃，我在企業內做過的性能測試搭建的環境都是和用戶上線使用的實際環境一樣的。
數據准備：個人感覺是整個工作里第二耗時的，需要真實模擬用戶數據，這個不是單單的創建幾個帳號就完事的，每個用戶基本都會有不太一樣的配置，實際操作的時候部署數據的腳本都寫到手軟。
腳本編譯：選擇性能工具編譯性能腳本，你需要跑什麼業務流程就編譯什麼樣的腳本。
腳本執行：用規劃好的用戶數執行腳本，這個一般持續很長時間，時間太短不足以暴露伺服器等的性能瓶頸，性能測試中最耗時的就是這個步驟。
收集日誌：在執行腳本完成後收集到的能客觀反應系統性能的日誌、報表文件，比如LR的報告、資料庫的AWR日誌等等。
分析結果：分析收集到的日誌、報表，找出性能瓶頸或是得出性能指標結果。這個一般需要對資料庫或者底層非常了解的專業人士來分析，一般測試人員只需要提供收集到的報告就差不多了。
生成報告：將上面所有的性能測試活動整理總結，輸出測試報告。
問題二：如何做好性能測試？ 你好，首先很欣賞你的這種態度。我在TestBird 招聘新人的時候，也有很多小朋友覺得自己有多了解工具運用，有多熟練步驟過程，自我感覺很不錯。
其實，我卻想說，性能測試的重點不在性能測試工具的學習上。
當然，你也通過分析系統的壓力點、LR錄制腳本，設置用戶，做壓力，分析結果，整理測試報告。完成了性能測試的整個過程。那麼我說這個性能測試報告是有效的，但它不一定是有用的。
為什麼呢？因為在性能測試報告中，在你所在的環境中，你是測出了這樣的效果。並未摻假，全部真實的記錄。
為什麼說它不一定是有用悶握的，你了解系統架構么？知道資料庫、中間件、前端程序的運行方式和處理機制么？了解網路協議么？了解操作系統么？熟悉開發系統的語言么，如java JVM的內在機理知道么？這些都是系統運行的一部分，都在影響著系統的性能。如果不了解這些，你如何做出有價值的有參考意義的性能測試。
所以，學會這些性能測試工具很好，但是這僅僅是第一步。性能結果只是一些數據而已，知道你在做什麼，為什麼要做這些，做完後能給出有價值的東西，才是後面要慢慢修煉的。
問題三：移動客戶端的性能測試如何做？ 。就當練習了。。大家看了不要枝罩清噴我。。現在很多測試人員做移動端測試，可能主要還是關注功能和自動化測試。性能測試可能大多是按照每個人的體驗來做報告，是不是比較快，或者比較慢。當然也不乏有很多的測試人員會回復我說，性能測試都是伺服器的，移動端根本就不需要性能測試。我實在覺得可笑。 不過我畢竟一直在創業公司，而且就我一個人，所以了解可能有限，我這里就說下我之前碰見的，所知道的，目的只是拋磚引玉。 另外，我這里也不去說什麼MAT，instruments了，這種固有查找內存的工具大家自己google吧。 客戶端的性能從系統層面，電量消耗，網路流量，內存泄漏等都是被關注，或者說用戶最最關注的點。 實例一，3rd 應用的性能測試。應用本身的響應時間可以通過call 應用intent來查看，設備純環境，設備低內存等各種情況下進行同樣猛前此數的call，進行對比。或者與同行業同性質的應用進行對比測試。我相信很快就能夠有結論了。除了應用本身，還需要對於應用本身某些特別的功能進行響應測試。比如測試一個list，測試的方法為onkeydown之後查看這個list.index（0）是否高亮，是否正常的界面跳轉了，那麼分別進行計時（精確ms）。同樣的，我們在空list以及有幾百條list的情況進行這樣的case test，那麼就會有一個性能的結果出來。 實例二，假設你測試微薄客戶端，那麼你肯定是需要進行一個list上下滑動的性能測試。我們需要使用腳本語言shell或者python去call server api來仿造數據反饋到移動設備上，否則你不可能自己手動去發幾百條weibo然後再測試。測試的時候需要關注兩個問題，一個是list在各種情況下是否滑動流暢，一個是當list中有很多的圖片的時候圖片load的速度也是一個很大的測試點。這個load可以直接檢查imageview什麼時候load出來pic，什麼時候顯示在界面上，計算時間。這里其實很多應用是webview，或者數據是存在伺服器端的，這個時候無論是平時的測試還是壓力，還是性能，數據的修改，其實還是多使用腳本ping api比較好，能夠很好的去輔助達到性能測試的效果。 實例三，比如要測試一個優酷的視頻軟體，那麼視頻的播放的時候，首先保證網路的情況下，各種解析度各種碼率的視頻接入時間是需要關注。然後在播放，也就是和網路不停的通信的同時，那麼需要通過tcp mp和wireshark工具來檢查網路訪問是否正確，視頻的卡頓，視頻的花屏等除了硬體兼容之外，可以通過抓包來判斷其性能。如果丟包率高那麼自然視頻卡，體驗不好，性能也就不會好。 其實以上只是一些很基礎，現在很多公司也已經在這個基礎上改良測試了。不過也是一些思路，讓更多的企業和測試關注移動客戶端的性能。不要一提到性能腦中只有LR等這些Server測試。
問題四：為什麼要進行性能測試? 原因有三：
川. 開發者的水平各有不同，有的寫出來的東西性能高，有的低，所以需要統一測試一下。
2. 編程工具本身也有性能問題，用這樣的工具開發出來的軟體也要確認一下是否達到了需求所要求的性能指標，比如響應時間應該控制在多少秒以內。
3. 性能測試，強度測試都是為了測試系統的穩定性，穩定性好，軟體的質量就好，買的錢就多。
問題五：如何進行Web服務的性能測試 貼一篇我們內部的文章：
隨著瀏覽器功能的不斷完善，用戶量不斷的攀升，涉及到web服務的功能在不斷的增加，對於我們測試來說，我們不僅要保證服務端功能的正確性，也要驗證服務端程序的性能是否符合要求。那麼性能測試都要做些什麼呢？我們該怎樣進行性能測試呢？
性能測試一般會圍繞以下這些問題而進行：
1. 什麼情況下需要做性能測試？
2. 什麼時候做性能測試？
3. 做性能測試需要准備哪些內容？
4. 什麼樣的性能指標是符合要求的？
5. 性能測試需要收集的數據有哪些？
6. 怎樣收集這些數據？
7. 如何分析收集到的數據？
8. 如何給出性能測試報告？
性能測試的執行過程及要做的事兒主要包含以下內容：
1. 測試評估階段
在這個階段，我們要評估被測的產品是否要進行性能測試，並且對目前的伺服器環境進行粗估，服務的性能是否滿足條件。
首先要明確只要涉及到准備上線的服務端產品，就需要進行性能測試。其次如果產品需求中明確提到了性能指標，那也必須要做性能測試。
測試人員在進行性能測試前，需要根據當前的收集到的各種信息，預先做性能的評估，收集的內容主要包括帶寬、請求包大小、並發用戶數和當前web服務的帶寬等
2. 測試准備階段
在這個階段，我們要了解以下內容：
a. 伺服器的架構是什麼樣的，例如：web伺服器是什麼？是如何配置的？資料庫用的是什麼？服務用的是什麼語言編寫的？；
b. 服務端功能的內部邏輯實現；
c. 服務端與資料庫是如何交互的，例如：資料庫的表結構是什麼樣的？服務端功能是怎樣操作資料庫的？
d. 服務端與客戶端之間是如何進行交互的，即介面定義；
通過收集以上信息，測試人員整理出伺服器端各模塊之間的交互圖，客戶端與服務端之間的交互圖以及服務端內部功能邏輯實現的流程圖。
e. 該服務上線後的用戶量預估是多少，如果無法評估出用戶量，那麼可以通過設計測試執行的場景得出這個值；
f. 上線要部署到多少台機器上，每台機器的負載均衡是如何設計的，每台機器的配置什麼樣的，網路環境是什麼樣的。
g. 了解測試環境與線上環境的不同，例如網路環境、硬體配置等
h. 制定測試執行的策略，是需要驗證需求中的指標能否達到，還是評估系統的最大處理能力。
i. 溝通上線的指標
通過收集以上信息，確定性能測試用例該如何設計，如何設計性能測試用例執行的場景，以及上線指標的評估。
3. 測試設計階段
根據測試人員通過之前整理的交互圖和流程圖，設計相應的性能測試用例。性能測試用例主要分為預期目標用戶測試，用戶並發測試，疲勞強度與大數量測試，網路性能測試，伺服器性能測試，具體編寫的測試用例要更具實際情況進行裁減。
用例編寫的步驟大致分為：
a. 通過腳本模擬單一用戶是如何使用這個web服務的。這里模擬的可以是用戶使用web服務的某一個動作或某幾個動作，某一個功能或幾個功能，也可以是使用web服務的整個過程。
b. 根據客戶端的實際情況和伺服器端的策略，通過將腳本中可變的數據進行參數化，來模擬多個用戶的操作。
c. 驗證參數化後腳本功能的正確性。
d. 添加檢查點
e. 設計腳本執行的策略，如每個功能的執行次數，各個功能的執行順序等
4. 測試執行階段
根據客戶端的產品行為設計web服務的測試執行場景及測試執行的過程，即測試執行期間發生的事兒。通過監控程序收集web服務的性能數據和web服務所在系統的性能數據。
在測試執行過程中，還要不斷的關注以下內容：
a. web服務的連接速度如何？
b. 每秒的點擊數如何？
c. Web服務能允許多少個用戶同時在線？
d. 如果超過了這......>>
問題六：網站性能測試主要有哪幾種方法? 我知道的性能測試主要有：壓力測試，負載測試，容量測試，發性能測試，兼容性測試（不同的操作系統和不同的瀏覽器）。測的時候應用在客戶端的性能、應用在網路上的性能和應用在伺服器端的性能都要進行測試的。
希望能幫到你。
問題七：怎麼才能做性能測試工程師？ 性能測試實際上確實需要些功底兒，但是也並不是非得一兩年之後才去做。
我給你列幾條性能測試工作中的建議，你可以自己溫習一下，然後去面試，具體的經驗需要實際的工作才能得到，然而你扎實的基礎知識才識支撐你走下去的動力。
1，最直接也是最表面的建議，適用於面試：Loadrunner, HttpWatch, Dynatrace, TeamQuest, JMeter(可選), Wily(可選), HTML/HTTP, Webservice, Mainframe, DB. 這些東西足夠學很久很久的了，所以說需要幾年的工夫，但是沒必要每一樣都學太深，了解即可，經驗日後會積累到的。
2，相對比較深層的建議：性能測試最關鍵之處不是工具的選擇，而是對整個性能參數的理解，所以比較貼近於概念，比如說什麼是TPS, Response Time, Connection浮 per Second....還有就是什麼是CPU Utilization, FreeMem, Disk IO, Paging.... 工具也無非都是通過日積月累形成的客戶端，所以抓到本質才是關鍵。
不在這里長篇大論了，呵呵，加油！
問題八：性能測試應該怎麼做 需求分析 － 測試設計 － 測試執行 － 結果分析
問題九：APP如何做性能測試 目前市面上有很多家做安全加密的平台都有做安全檢測，但是大部分需要付費，如果說只是個小項目的話花錢去做的話成本太高，也不建議去做
你可以了解下愛內測這個平台，專門做測試的，有安全檢測、兼容測試、插件評估等，雖然這個平台也是付費的，但是他有免費的版本提供，個人覺得安全檢測免費版本已經足夠強大了，自動化生成測試報告，提供精準的檢測數據
希望可以幫助到你
問題十：服務端怎麼做性能測試 使用LR對資料庫進行性能測試，實際上有多種辦法，包括通過現有的資料庫協議進行CS模式的先錄制後執行的模式，以及通過socket方式向伺服器發包方式的測試方式。這些是常規書籍上介紹的比較簡單上手的測試方法，但是不具備通用性，受已有協議或socket編程方式的限制，所以需要更為通用的測試方法。
用Java user的協議進行所有資料庫性能的測試工作：
Java user 不需要錄制，把所有的操作通過java語言進行實現，通過lr調用java的class進行加壓批量操作，這樣可以不關心被測系統是哪個資料庫，只要能夠通過jdbc進行訪問，就能實現性能測試。
一、測試環境准備
1. 被測伺服器准備，根據測試目的，搭建需要的資料庫伺服器，確保資料庫能夠正常訪問，正常操作；
2. Java代碼的准備，無論使用哪種IDE，只要能夠編寫訪問資料庫的class就可以，形式可以是j2se，也可以是j2ee，因為在操作時只使用class的部分方法，所以j2ee就可以了；
3. LR的腳本調試，把java的class導入到腳本調試模式，根據需要添加事務以及其他操作。
二、編寫資料庫訪問
1. 使用myeclipse，創建web project，創建如下圖的包目錄：
Java文件中包含各種訪問資料庫的方法。
需要注意的是，class中的方法必須是public static，否則LR中無法調用。由於創建的是j2ee程序，所以不用main函數，在web中就可以進行功能驗證。
確認class中的方法編寫完成，創建一個web.jsp文件，如下：
導入class
聲明類，並實例化，直接調用剛才編寫的3個方法，因為這3個方法是直接對資料庫進行操作，不需要實參，也沒有返回值，所以直接實現即可。
此時啟動web服務，在瀏覽器中輸入jsp的地址，直接刷新頁面，就可以調用這3個方法，如果正確，就會對相應的表進行操作，如果不正確，則需要修改相應的代碼。
2. LR腳本准備：
LR腳本實際上就是對訪問代碼的調用，關鍵在於需要根據測試場景劃分不同的腳本布局。
例如：在myEclipse里，我們只編寫了一個class，其中包含三個方法，如果在執行性能測試時，這三個方法相互獨立，互不幹涉，則最簡單的劃分方法是，創建三個java user，每個java user中包含一個方法，做三份腳本，場景執行時分別進行調用。如果三個方法之間有相互關系，則需要根據實際情況，把有關聯的方法放在一起，具體情況可按實際靈活分配。
因為已經將class文件進行編譯發布了，所以可以在「java2postgres\WebRoot\WEB-INF\classes\\lr\test」目錄中找到對應的class文件，
復制這個文件，找到LR的目錄：HP\LoadRunner\classes\\lr\test\ 如果沒有文件夾，按相同的內容創建。
在LR腳本中進行引包操作：
將需要執行的java類以及方法，放在action中，可根據實際測試情況和所需要驗證的內容，具體調試代碼。
在這里可以像編寫普通LR腳本一樣，添加事務或 *** 點等內容。
由於是通過JDBC對資料庫進行訪問，因此要在java user中載入jdbc驅動。
運行時設置中，增加jdbc驅動，需要注意的是java user使用的本地jdk，需要至多1.6版......>>
❻ 【Python】【壓力測試】Locust壓力測試工具
性能測試參數
熟悉 Apache ab 工具的同學都知道，它是沒有界面的，通過命令行執行。 Locust 同樣也提供的命令行運行，好處就是更節省客戶端資源。
啟動參數：
--no-web 表示不使用Web界面運行測試。
-c 設置虛擬用戶數。
-r 設置每秒啟動虛擬用戶數。
-t 設置設置運行時間。
出現的報錯及解決辦法：
使用Locust進行性能測試，Locust no-web模式執行命令locust -f zkxl_verify_ locust.py --host= https://www..com --no-web -c 10 -r 2 -t 1m
提示locust: error: unrecognized arguments: --no-web -c
參考locust官方文檔 https://docs.locust.io/en/latest/running-locust-without-web-ui.html?highlight=no-web
將命令參數--no-web 更改為 --headless，將命令中指定用戶並發數的參數 -c 改為 -u，即更改命令為：locust -f zkxl_verify_ locust.py --host= https://www..com --headless -u 10 -r 2 -t 1m 即可.
locust的測試數據可以保存到CSV文件中，有兩種方法可以進行此操作：
首先，通過Web UI運行Locust時，可以在「Download Data」選項卡下得到CSV文件。
其次，可以使用標簽運行Locust，該標簽將定期保存兩個CSV文件。如果計劃使用--no-web標簽以自動化方式運行Locust
文件將被命名為example_response_times.csv 和 example_stats.csv （使用--csv=example）並記錄Locust構建的信息。
如果你想要更快(慢)的寫入速度，也可以自動以寫入頻率：
此數據將寫入兩個文件，並將_response_times.csv和_stats.csv添加到你提供的名稱中：
和
打開命令提示符（或Linux終端），輸入 locust --help 。
參考： 官方文檔
一旦單台機器不夠模擬足夠多的用戶時，Locust支持運行在多台機器中進行壓力測試。
為了實現這個，你應該在 master 模式中使用 --master 標記來啟用一個 Locust 實例。這個實例將會運行你啟動測試的 Locust 交互網站並查看實時統計數據。master 節點的機器自身不會模擬任何用戶。相反，你必須使用 --slave 標記啟動一台到多台 Locustslave 機器節點，與標記 --master-host 一起使用(指出master機器的IP/hostname)。
常用的做法是在一台獨立的機器中運行master，在slave機器中每個處理器內核運行一個slave實例。
在 master 模式下啟動 Locust:
在每個 slave 中執行(192.168.0.14 替換為你 msater 的IP):
參數
--master
設置 Locust 為 master 模式。網頁交互會在這台節點機器中運行。
--slave
設置 Locust 為 slave 模式。
--master-host=X.X.X.X
可選項，與 --slave 一起結合使用，用於設置 master 模式下的 master 機器的IP/hostname(默認設置為127.0.0.1)
--master-port=5557
可選項，與 --slave 一起結合使用，用於設置 master 模式下的 master 機器中 Locust 的埠(默認為5557)。注意，locust 將會使用這個指定的埠號，同時指定埠+1的號也會被佔用。因此，5557 會被使用，Locust將會使用 5557 和 5558。
--master-bind-host=X.X.X.X`
可選項，與 --master 一起結合使用。決定在 master 模式下將會綁定什麼網路介面。默認設置為*(所有可用的介面)。
--master-bind-port=5557
可選項，與 --master 一起結合使用。決定哪個網路埠 master 模式將會監聽。默認設置為 5557。注意 Locust 會使用指定的埠號，同時指定埠+1的號也會被佔用。因此，5557 會被使用，Locust 將會使用 5557 和 5558。
--expect-slaves=X
在 no-web 模式下啟動 master 時使用。master 將等待X連接節點在測試開始之前連接。
如下圖，我啟動了一個 master 和兩個 slave，由兩個 slave 來向被測試系統發送請求。
client屬性：
TaskSet類:實現了虛擬用戶所執行任務的調度演算法，包括規劃任務執行順序(schele_task)、挑選下一個任務(execute_next_task)、執行任務(execute_task)、休眠等待(wait)、中斷控制(interrupt)等等。
在此基礎上，我們就可以在TaskSet子類中採用非常簡潔的方式來描述虛擬用戶的業務測試場景，對虛擬用戶的所有行為(任務)進行組織和描述，並可以對不同任務的權重進行配置。
在TaskSet子類中定義任務信息時，可以採取兩種方式， @task 裝飾器和 tasks 屬性。
@task(1)中的數字表示任務的執行頻率，數值越大表示執行的頻率越高
採用tasks屬性定義任務：
tasks = {test_job1:1, test_job2:2}中，test_job1:1,test_job2:2表示事件執行的頻率，即test_job2的執行頻率是test_job1的兩倍
on_start函數是在Taskset子類中使用比較頻繁的函數。在正式執行測試前執行一次，主要用於完成一些初始化的工作。
例如，當測試某個搜索功能，而該搜索功能又要求必須為登錄態的時候，就可以先在on_start中進行登錄操作，HttpLocust使用到了requests.Session，因此後續所有任務執行過程中就都具有登錄態了
在TaskSequence類中，[email protected]_task()可以用來控制任務的執行順序；裡面的數值越小執行越靠前；
在Taskset類中，內置WAIT_TIME功能，它用於確定模擬用戶在執行任務之間將等待多長時間。Locust提供了一些內置的函數，返回一些常用的wait_time方法。
1、 between(min,max)函數 ：用得比較多的函數
wait_time = between(3.0, 10.5)：任務之間等待的時間是3到10.5秒之間的任意時間
還可以用任意函數來定義等待時間， 比如平均1秒的等待時間
wait_time = lambda self: random.expovariate(1) 1000
2、 constant(number) 函數：
wait_time=constant(3)：任務之間等待的時候是3秒鍾，且等待的時候不能超過任務運行的總時間，也就是在執行py文件時設置的時間
3、 constant_pacing(number) *函數:
wait_time=constant_pacing(3)：所以任務每隔3秒執行，但是當到達運行的總時間時，任務運行結束；
現實中有很多任務其實也是有嵌套結構的，比如用戶打開一個網頁首頁後，用戶可能會不喜歡這個網頁直接離開，或者喜歡就留下來，留下來的話，可以選擇看書、聽音樂、或者離開；
在有Taskset嵌套的情況下，執行子任務時, 通過 self.interrupt() 來終止子任務的執行, 來回到父任務類中執行, 否則子任務會一直執行；
在上一頁的案例中，在stay這個類中，對interrupt()方法的調用是非常重要的，這可以讓一個用戶跳出stay這個類有機會執行leave這個任務，否則他一旦進入stay任務就會一直在看書或者聽音樂而難以自拔。
在進行介面多用戶並發測試時，數據的重復使用可能會造成腳本的失敗，那麼需要對用戶數據進行參數化來使腳本運行成功。
已登錄功能為例：
創建 login_user() 方法，定義登錄字典 users , 通過randint 隨機獲取字典中的用戶數據。
在 login() 登錄任務中，調用 login_user() 方法實現 隨機用戶的登錄。
在此我們舉出網路搜索的例子，假設每個人搜索的內容是不相同的；那麼我們可以假設把數據放到隊列中，然後從隊列中依次把數據取出來；
可以利用python中Queue隊列來進行處理；
Queue的種類 ：
Queue.Queue(maxsize=0)：先進先出隊列
Queue.LifoQueue(maxsize=0)：後進先出隊列
Queue.PriorityQueue(maxsize=0)：構造一個優先隊列
參數maxsize是個整數，指明了隊列中能存放的數據個數的上限。一旦達到上限，插入會導致阻塞，直到隊列中的數據被消費掉。如果maxsize小於或者等於0，隊列大小沒有限制
Queue的基本方法 ：
個別情況下測試數據可重復使用，因此我們可以把參數化數據定義為一個列表，在列表中取出數據；
在某些請求中，需要攜帶之前response中提取的參數，常見場景就是session_id。Python中可用通過re正則匹配，對於返回的html頁面，可用採用lxml庫來定位獲取需要的參數；
我們以Phpwind登陸的來進行舉例，在登陸的介面中需要把token參數傳給伺服器，token的值由頁的介面返回；
方法一：使用正則表達式
方法二：採用lxml庫來定位獲取需要的參數
技術點：
1、導模塊：lxml模塊
2、etree.HTML() 從返回html頁面獲取html文件的dom結構
3、xpath() 獲取token的xpath路徑
catch_response = True ：布爾類型，如果設置為 True, 允許該請求被標記為失敗。
通過 client.get() 方法發送請求，將整個請求的給 response， 通過 response.status_code 得請求響應的 HTTP 狀態碼。如果不為 200 則通過 response.failure('Failed!') 列印失敗！
參考文章：
https://www.jianshu.com/p/a48f4af81e67
https://www.cnblogs.com/fnng/p/6081798.html
http://class.itest.info/locust 【蟲師】
https://cloud.tencent.com/developer/article/1594240 【官方文檔的中文翻譯】