这篇教程Jmeter并发执行Python 脚本的完整流程写得很实用，希望能帮到您。
本篇文章以文件上传为例，聊聊 Jmeter 并发执行 Python 脚本的完整流程
1. 前言大家好，我是安果！ 最近有小伙伴后台给我留言，说自己用 Django 写了一个大文件上传的 Api 接口，现在想本地检验一下接口并发的稳定性，问我有没有好的方案 本篇文章以文件上传为例，聊聊Jmeter 并发执行 Python 脚本的完整流程
2. Python 实现文件上传大文件上传包含 3 个步骤，分别是： - 获取文件信息及切片数目
- 分段切片，并上传- API
- 文件合并- API
- 文件路径参数化
2-1获取文件信息及切片数目首先，获取文件的大小 然后，利用预设的切片大小获取分段总数 最后，获取文件名及 md5 值 import osimport mathimport hashlibdef get_file_md5(self, file_path): """获取文件的md5值""" with open(file_path, 'rb') as f: data = f.read() return hashlib.md5(data).hexdigest()def get_filename(self, filepath): """获取文件原始名称""" # 文件名带后缀 filename_with_suffix = os.path.basename(filepath) # 文件名 filename = filename_with_suffix.split('.')[0] # 后缀名 suffix = filename_with_suffix.split('.')[-1] return filename_with_suffix, filename, suffixdef get_chunk_info(self, file_path): """获取分段信息""" # 获取文件总大小(字节) file_total_size = os.path.getsize(file_path) print(file_total_size) # 分段总数 total_chunks_num = math.ceil(file_total_size / self.chunk_size) # 文件名（带后缀） filename = self.get_filename(file_path)[0] # 文件的md5值 file_md5 = self.get_file_md5(file_path) return file_total_size, total_chunks_num, filename, file_md5
2-2切片及分段上传利用分段总数和分段大小，对文件进行切片，调用分段文件上传接口 import requestsdef do_chunk_and_upload(self, file_path): """将文件分段处理，并上传""" file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(file_path) # 遍历 for index in range(total_chunks_num): print('第{}次文件上传'.format(index + 1)) if index + 1 == total_chunks_num: partSize = file_total_size % chunk_size else: partSize = chunk_size # 文件偏移量 offset = index * chunk_size # 生成分片id,从1开始 chunk_id = index + 1 print('开始准备上传文件') print("分片id:", chunk_id, "文件偏移量：", offset, ",当前分片大小:", partSize, ) # 分段上传文件 self.__upload(offset, chunk_id, file_path, file_md5, filename, partSize, total_chunks_num)def __upload(self, offset, chunk_id, file_path, file_md5, filename, partSize, total): """分次上传文件""" url = 'http://**/file/brust/upload' params = {'chunk': chunk_id, 'fileMD5': file_md5, 'fileName': filename, 'partSize': partSize, 'total': total } # 根据文件路径及偏移量，读取文件二进制数据 current_file = open(file_path, 'rb') current_file.seek(offset) files = {'file': current_file.read(partSize)} resp = requests.post(url, params=params, files=files).text print(resp)
2-3合并文件最后调用合并文件的接口，将分段小文件合成大文件 def merge_file(self, filepath): """合并""" url = 'http://**/file/brust/merge' file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(filepath) payload = json.dumps( { "fileMD5": file_md5, "chunkTotal": total_chunks_num, "fileName": filename } ) print(payload) headers = { "Content-Type": "application/json" } resp = requests.post(url, headers=headers, data=payload).text print(resp)
2-4文件路径参数化为了并发执行，将文件上传路径参数化 # fileupload.py...if __name__ == '__main__': filepath = sys.argv[1] # 每一段切片的大小(MB) chunk_size = 2 * 1024 * 1024 fileApi = FileApi(chunk_size) # 分段上传 fileApi.do_chunk_and_upload(filepath) # 合并 fileApi.merge_file(filepath)
3. Jmeter 并发执行在使用 Jmeter 创建并发流程前，我们需要编写批处理脚本 其中，执行批处理脚本时，需要跟上文件路径一起执行 # cmd.bat@echo offset filepath=%1python C:/Users/xingag/Desktop/rpc_demo/fileupload.py %* 然后，在本地新建一个 CSV 文件，写入多个文件路径 # 准备多个文件路径（csv）
C://Users//xingag//Desktop//charles-proxy-4.6.1-win64.msi
C://Users//xingag//Desktop//V2.0.pdf
C://Users//xingag//Desktop//HBuilder1.zip
C://Users//xingag//Desktop//HBuilder2.zip
接着，就可以使用 Jmeter 创建并发流程了 完整步骤如下： 这里线程组数目与上面文件数目保持一致即可 同步定时器中的「模拟用户组的数量」和上面参数数量保持一致 指向上面准备的 csv 数据文件，设置文件格式为 UTF-8，变量名称设置为file_path，最后将线程共享模式设置为「当前线程组」 选择上面创建的批处理文件，命令行参数设置为「${file_path}」
4. 最后运行上面创建的 Jmeter 并发流程，在结果数中可以查看并发上传文件的结果 当然，我们可以增加并发数量去模拟真实的使用场景，只需要修改 CSV 数据源及 Jmeter 参数即可 到此这篇关于Jmeter并发执行 Python 脚本的问题详解的文章就介绍到这了,更多相关Jmeter并发执行 Python 脚本内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
关于Python中的 oct 函数与 min 函数
详解Pandas与openpyxl库的超强结合 |
