引用： http://www.aikaiyuan.com/5318.html
對Web服務做Performance & Load測試，最常見的工具有Apache Benchmark俗稱ab和商用工具LoadRunner。ab簡單直接，功能也相對較弱，但我們經常看到的對一些Web server或者Framework的性能測試用的ab做的，而LoadRunner功能也確實很強大，各種大型軟件公司、軟件外包企業幾乎是必備了，用起來很High，當然其價格也確實很High
這里要介紹的multi-mechanize(這名忒難記)是一款用Python開發的Performance & Load測試工具，是由Pylot的作者新近開發的，算是升級換代的產品。用multi-mechanize可以通過編寫Python腳本來實現較復雜的測試邏輯，其並發測試是通過multiprocessing(多進程)和多線程機制來實現的。
1. 安裝
萬能的pip&easy_install
pip install multi-mechanize mechanize numpy matplotlib
- mechanize是一個模擬browser行為的一個庫，當然你也可以用其它的如urllib2、request、tornado.httpclient等等庫，不是必須。
- 后面兩個numpy和matplotlib也是可選的，當你需要它自動生成圖形化報表時才會用到，安裝matplotlib你的系統有可能需要安裝libpng和freetype庫。
2. 使用方法
- 創建項目
multimech-newproject my_project
自動創建一個my_project目錄，子目錄test_scripts用來放測試腳本，config.cfg是測試配置，主要要配的是測試時間、測試腳本和並發threads量。
- 腳本編寫，借用官方的一個簡單例子：
#
# Copyright (c) 2010 Corey Goldberg (corey@goldb.org)
# License: GNU LGPLv3
#
# This file is part of Multi-Mechanize
#
import mechanize
import time
class Transaction(object):
def __init__(self):
self.custom_timers = {}
def run(self):
br = mechanize.Browser()
br.set_handle_robots(False)
start_timer = time.time()
resp = br.open('http://www.example.com/')
resp.read()
latency = time.time() - start_timer
self.custom_timers['Example_Homepage'] = latency
assert (resp.code == 200), 'Bad HTTP Response'
assert ('Example Web Page' in resp.get_data()), 'Failed Content Verification'
if __name__ == '__main__':
trans = Transaction()
trans.run()
print trans.custom_timers
注意：按multi-mechanize的默認規則，每個腳本必須有一個Transaction的類，類要有一個run方法，在run里面寫測試業務邏輯。這個例子是打開http://www.example.com，記錄訪問所耗時長，非常簡單明了，而實際的場景你可能需要有用戶登錄、然后測試某個或多個頁面(API)，只是測試業務復雜一些，寫法是類似的。一個腳本文件只能有一個Transaction的類、類也只能有一個run方法，寫起case來是不是覺得非常不方便？不用急，針對這點，后面的小技巧部分會另辟蹊徑給你指條明路。
- 運行項目的測試腳本
multimech-run my_project
測試結果報表和原始數據將放到results目錄下按測試時間生成的子目錄中，生產的html版本的結果統計如下圖所示:
3. 使用小技巧
- Cookie：
如果使用的是mechanize，可以通過下面的方式，從上面的browser對象br里獲取到cookie信息。
br._ua_handlers[“_cookies”].cookieja
- 單個腳本多個測試用例的支持：這個思路來源於testsuite的概念，同一個testsuite里的case作為一組相關的case可以共享一些代碼邏輯和資源(如browser對象)，而multi-mechanize默認的方式是不支持的，要實現這一點，只需要一點小小的技巧即可，上代碼：
base.py，Transaction基類：
# -*- coding: utf-8 -*-
import mechanize
import time
import traceback
import logging
class BaseTransaction(object):
_TEST_CASE_PREFIX = "test_"
def __init__(self):
self._init()
self.custom_timers = {}
self.browser = mechanize.Browser()
self.browser.set_handle_robots(False)
self.browser.set_handle_redirect(True)
self.browser.set_handle_referer(True)
def _init(self):
self.funcs = []
funcs_ = dir(self)
for func_ in funcs_:
if func_.startswith(self._TEST_CASE_PREFIX):
self.funcs.append(func_)
def run(self):
""""所有繼承BaseTransaction的類，只需要在以test_開頭的方法里實現測試case即可，運行時多個case都可以得到測試"""
try:
for func in self.funcs:
start_timer = time.time()
getattr(self, func)() # run test
latency = time.time() - start_timer
self.custom_timers['%s' % func[len(self._TEST_CASE_PREFIX):]] = latency
except Exception, e:
logging.error(traceback.format_exc())
raise e
test_case_google.py里是真正的測試case，這里是同時測試多個google站點：
# -*- coding: utf-8 -*-
from base import BaseTransaction
class Transaction(BaseTransaction):
def test_google_com_hk(self):
# 測試邏輯代碼，如類似於上面的測試example.com
pass
def test_google_com_sg(self):
pass
def test_google_com(self):
pass
- 真實的並發量計算：multi-mechanize使用了multiprocessing庫，會同時起多個進程，且每個進程按config里的配置起多個線程來實現並發測試，但真正的單位時間內的並發量並不是config里設置threads=10這樣的表示每秒10個並發，真實的並發量需要根據最終完成的transaction數和這些transaction里面包含多少次http請求和總的完成時間來計算得知，這點不是很直觀。
- 自定義統計數據：你可以往self.custom_timers這個內建的字典里塞任意的自定義統計數據，他們在報表中都能夠得到體現。
更多的文檔和一手資料請參考文檔http://testutils.org/multi-mechanize/和git代碼庫https://github.com/cgoldberg/multi-mechanize 。
最后multi-mechanize還不是很好用，一是使用過程中發現有一些情況會拋異常，導致不能正確生成報表，另一個別扭的是case的編寫不是unittest那一套，是作者自創Transaction流:)
后記：
使用multi-mechanize發現win7下有問題，詳情見。
multi-mechanize error: can not find test script: v_user.py問題