用python做自动化测试--实现高性能测试工具（1）--序

做过几年开发或者测试开发的人员，时常会觉得很迷茫，新功能的开发或者老功能的维护，基本是在堆代码了，做过几年测试的朋友也会有类似的想法。性能调优或者性能测试的确很考验人分析问题、解决问题的能力，知识是否全面。本人也是第一次实现高性能的测试工具，记录下这次diameter协议测试工具的优化过程，供大家一起学习。有些内容涉及到具体产品，做了些改动或者单独写了测试代码演示。

Python用来开发高性能的测试工具的确有天然的缺陷，性能差还有GIL，无法利用多线程。但办法总比困难多，那么多大的互联网公司都使用python与实际产品中，总比我们测试的性能要求搞多了。本文主要讲述在系统设计和架构方面的性能优化，具体算法和一些小细节的优化，请参考 http://blog.csdn.net/powerccna/article/details/8020289

项目背景：

实现个高性能的diameter 测试工具，接受1000+发送1000，双向要支持到2000条消息每秒。 diameter 协议的源代码是从这里下载的 http://sourceforge.net/projects/pyprotosim/，这个开源包还支持SMPP, RADIUS, DHCP, LDAP, 而且新增加的协议字段都可以在dictionary配置属性，不需要修改代码，实在是方便。初始阶段我们为了实现功能，没有怎么考虑性能的问题，很多地方用的是单线程，初始性能只能支持到50 消息。硬件环境： SunFire 4170， 16 核，每核2.4 G

Python性能优化的几个方向：

1. 换python的解析器：常见的python解析器有pysco，pypy, cython, jython, pysco已经对python 2.7不支持了，就没有测试，据说跑的很C语言一样快。对pypy, jython做了简单测试，pypy在不同机器上可以提高到5-10倍的样子，Jython虽然可以避免python GIL的问题（因为jython是跑在java虚拟机上的），但测试看来，效率提升很少。

2. 优化代码

3. 改变系统架构，多线程，多进程或者协程

方案1：换Python解析器

如果换Python解析器能达到性能需求是最廉价的方案了，不需要对代码做任何改动。下面代码只是为了说明pypy的效果，单独写的测试代码，在windows下运行的结果。在linux下机器上运行效果会更好些。

#!/usr/bin/env python
#coding=utf-8

import  time

def check(num):
    a = list(str(num))
    b = a[::-1]
    if a == b:
        return True
    return False

def test():
    all = xrange(1,10**7)
    for i in all:
        if check(i):
            if check(i**2):
                i**2
if __name__ == '__main__':
    start=time.time()
    test()
    print time.time()-start

分别用python和pypy的运行结果

C:\Python27\python.exeD:/RCC/mp/src/test.py
14.4940001965

C:\pypy-2.1\pypy.exeD:/RCC/mp/src/test.py
4.37800002098

可以看出来pypy的运行结果效果还是明显的，虽然能提高5倍（linux机器上），50*5，离2000还差好远。 pypy对python 多线程的支持没有明显效果，这个在后面会提到。

先告一段落，太长了大家看起来累，下一篇文章中将会介绍代码优化部分。

秒客网

用python做自动化测试--实现高性能测试工具（1）--序

相关文章