今天小编给大家分享一下python多线程性能测试之快速mock数据测试分析的相关知识点，内容详细，逻辑清晰，相信大部分人都还太了解这方面的知识，所以分享这篇文章给大家参考一下，希望大家阅读完这篇文章后有所收获，下面我们一起来了解一下吧。
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 KafkaClientimport uuidimport timeimport threadingfrom appmetrics import metricsfrom faker import Fakerimport osfake = 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 suiddef data_result(): #数据格式可自行定义 data = f"{data_info()},{fake.phone_number()},111111111111,LOL-UZI" return datadef 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, 'f以上就是“python多线程性能测试之快速mock数据测试分析”这篇文章的所有内容，感谢各位的阅读！相信大家阅读完这篇文章都有很大的收获，小编每天都会为大家更新不同的知识，如果还想学习更多的知识，请关注编程网行业资讯频道。
