架构一期第七周作业

关注

发布于: 2020 年 11 月 08 日

作业一（至少完成一项）：

性能压测的时候，随着并发压力的增加，系统响应时间和吞吐量如何变化，为什么？

· 随着并发压力的增加，直接线性相关的就是线程数增加，随着线程数增加，系统资源被消耗，导致响应时间增加，吞吐量随着增加而减少直至程序崩溃其中可以分为三个阶段：

性能测试阶段：随着并发增加，系统资源消耗中等，还有足够的能力处理请求，系统响应时间增加不明显，吞吐量随着并发增加而增加。
压力测试阶段：随着并发增加，系统资源消耗接近上限，系统状态繁忙，系统响应时间增加明显，吞吐量虽然增加但是不明显并且趋于稳定。
负载测试阶段：随着并发增加，系统资源消耗到达并可能超过上限，系统状态非常繁忙，系统响应时间增大量增加，由于已经达到处理上限，请求开始排队，吞吐量不在增加，并由于请求等待，吞吐量可能开始下降。
用你熟悉的编程语言写一个 Web 性能压测工具，输入参数：URL，请求总次数，并发数。输出参数：平均响应时间，95% 响应时间。用这个测试工具以 10 并发、100 次请求压测 www.baidu.com。

from concurrent.futures import ThreadPoolExecutor,waitimport timeimport requests
def get_request(times):    # print("开始第" + str(times) + "次请求")    starttime = time.time()    response = requests.get("https://www.baidu.com/") # 执行请求    endtime = time.time()    time_log.append(endtime - starttime)              # 计算请求耗时并添加到耗时列表中    # print(endtime - starttime)    # print("第" + str(times) + "次请求结束")
def avg_cal(list):    nsum = 0    for i in range(len(list)):        nsum += list[i]    return nsum / len(list)
if __name__ == '__main__':    time_log = []     # 记录每次请求耗时的空列表    thread_count = 10 # 设置线程池中线程数，即并发数量    get_times = 100   # 设置需要请求的总次数    executor = ThreadPoolExecutor(max_workers=thread_count) # 创建线程池    all_task = [executor.submit(get_request,i+1) for i in range(get_times)] # 给线程池中提交任务    wait(all_task)    sorted_list = sorted(time_log, reverse=True)    avg = avg_cal(time_log)    p95 = sorted_list[int(len(time_log)//(100/95))]    print(str(get_times) + "次请求平均耗时为：" + str(avg))    print(str(get_times) + "次请求耗时P95：" + str(p95))

复制代码

结果：

作业二：根据当周学习情况，完成一篇学习总结

发布于: 2020 年 11 月 08 日阅读数: 32

原文链接:【http://xie.infoq.cn/article/0076ea3ce2e4457ab077c8f05】。未经作者许可，禁止转载。

Airs

关注

Emmmmmmm 2018.02.28 加入

Emmmmmmm

发布

暂无评论

创作场景

架构一期第七周作业

作业一（至少完成一项）：

作业二：根据当周学习情况，完成一篇学习总结

Airs

评论