浅谈：python自动化测试中使用异步

待我称王封你为后i 2023-10-08 14:35 12阅读 0赞

![在这里插入图片描述][5fb87c883155482198a70b4dca710d26.gif_pic_center]  
很早已经在项目中使用异步了，比如使用的web框架fastapi就是支持异步写法的，然而，我只学会了 async/await 的写法，可是这种写法真的可以让你的程序变快吗？

### 异步的概念 ###

*  同步

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16]

*  异步

![图片][watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 1]

### 同步 VS 异步 ###

以模拟访问某个网站为例子，演示同步与异步的区别。

*  同步

import time
    
    
    def visit_url(url, response_time):
        """
        访问url
        """
        print(f"visit: {time.time()} - {url}")
        time.sleep(response_time)
        print(f"response: {time.time()}")
        return f"访问{url}, 已得到返回结果"
    
    
    def run_task():
        visit_url('http://itest.info', 2)
        visit_url('http://www.testpub.cn', 3)
    
    
    start_time = time.perf_counter()
    run_task()
    print(f"消耗时间：{time.perf_counter() - start_time}")

分别访问两个网址，模拟不同的耗时。运行结果如下：

visit: 1630638757.1427643 - http://itest.info
    response: 1630638759.1537898
    visit: 1630638759.1537898 - http://www.testpub.cn
    response: 1630638762.1578455
    消耗时间：5.0148674

*  异步

接下来采用异步的写法，重写方面的例子，加上 async/await。

import asyncio
    import time
    
    
    async def visit_url(url, response_time):
        """访问 url"""
        print(f"visit: {time.time()} - {url}")
        await asyncio.sleep(response_time)
        print(f"response: {time.time()}")
    
    
    async def run_task():
        await visit_url('http://itest.info', 2)
        await visit_url('http://www.testpub.cn', 3)
    
    
    start_time = time.perf_counter()
    asyncio.run(run_task())
    print(f"消耗时间：{time.perf_counter() - start_time}")

*  为函数加上 async。
 *  调用async函数需要await。

再次运行程序：

visit: 1630639557.2313683 - http://itest.info
    response: 1630639559.235232
    visit: 1630639559.235232 - http://www.testpub.cn
    response: 1630639562.2393005
    消耗时间：5.0091551999999995

你会发现，两次运行并无差别。

如果想达到并发的效果，可以通过gather()创建任务。修改run\_task() 函数。

async def run_task():
        url1 = visit_url('http://wangzhen.com', 2)
        url2 = visit_url('http://www.testpub.cn', 3)
    
        await asyncio.gather(url1, url2)

asyncio.gather() 方法将多个异步任务（两个 url）包装成一个新的异步任务。

再次运行程序：

visit: 1630640450.1746979 - http://itest.info
    visit: 1630640450.1746979 - http://www.testpub.cn
    response: 1630640452.1871428
    response: 1630640453.1928813
    消耗时间：3.0196878000000003

从结果来看达到了并发的效果。这和python的多线程threading效果类似，只不过python的异步是基于协程coroutines 实现并发。

### 异步测试框架 ###

终于，进入主题，在python 3.8版本unittest引入IsolatedAsyncioTestCase 类来实现异步的自动化测试。

from unittest import IsolatedAsyncioTestCase
    
    class Test(IsolatedAsyncioTestCase):
    
    
        async def asyncSetUp(self):
            print("asyncSetUp")
    
        async def test_response(self):
            print("test_response")
    
        async def asyncTearDown(self):
            print("asyncTearDown")
    
    
    if __name__ == "__main__":
        unittest.main()

从语法层面，就是为每个方法加上了async。为了让验证这种写法，我们引入了 httpx 异步HTTP库，填充一个具体的用例。

import unittest
    import httpx
    
    
    class AsyncTest(unittest.IsolatedAsyncioTestCase):
    
        async def asyncSetUp(self):
            self.cli = httpx.AsyncClient()
    
        async def test_response(self):
            response = await self.cli.get("http://127.0.0.1:5000/")
            self.assertEqual(response.status_code, 200)
    
        async def test_response2(self):
            response = await self.cli.get("http://127.0.0.1:5000/")
            self.assertEqual(response.status_code, 200)
    
        async def asyncTearDown(self):
            await self.cli.aclose()
    
    
    if __name__ == "__main__":
        unittest.main()

我本地启动了一个web服务，并且将接口设置为2秒返回。

运行上面的用例。

..
    ----------------------------------------------------------------------
    Ran 2 tests in 4.097s
    
    OK

从结果来看，调用两个接口，耗时4秒钟，跟同步没啥区别。而且，我们不能简单的把他改造成 并发 形式，这又会影响到测试结果的统计，报告生成等问题。

### 总结 ###

1、站在单个用例的维度，用例的执行步骤是由顺序，我不能没打开浏览器就去操作页面元素。异步写法几乎无性能上的提升。

2、站在多用例的维度，并发 可以有效提升运行速度，但这取决于测试框架是否支持并发，如果不支持并发，就算强行用了多线程运行用例，用例结果的收集和统计报告怎么办？另外，如果使用并发，每条用例一定要绝对独立，因为不同的用例要丢到不同的线程里面执行，所以，不能出现用例的依赖，对于web UI 自动化来说，就必须每条用例开启/关闭一次浏览器，这其实又会额外增加资源消耗。

3、异步主要用于高并发的场景，比如 web 服务、网络爬虫、数据库IO等，使用异步会有明显的性能提升。

4、为什么unittest要支持异步？更多的不是为了使用异步来提升自身的执行速度，而是为了更方便的帮助你编写异步代码的测试用例。

5、我们在越来越多的项目中看到异步，httpx、fastapi、aiofiles、aiomysql、playwright…足以说明他是未来编程的一种趋势。

下面是配套资料，对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴我走过了最艰难的路程，希望也能帮助到你！  
![在这里插入图片描述][26befd4418cb4161977f67ef063d47d5.png_pic_center]

**最后：** 可以在公众号：伤心的辣条 ！ 免费领取一份216页软件测试工程师面试宝典文档资料。以及相对应的视频学习教程免费分享！，其中包括了有基础知识、Linux必备、Shell、互联网程序原理、Mysql数据库、抓包工具专题、接口测试工具、测试进阶-Python编程、Web自动化测试、APP自动化测试、接口自动化测试、测试高级持续集成、测试架构开发测试框架、性能测试、安全测试等。

学习不要孤军奋战，最好是能抱团取暖，相互成就一起成长，群众效应的效果是非常强大的，大家一起学习，一起打卡，会更有学习动力，也更能坚持下去。你可以加入我们的测试技术交流扣扣群：914172719（里面有各种软件测试资源和技术讨论）

**喜欢软件测试的小伙伴们，如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一键三连哦！**

--------------------

### 好文推荐 ###

[转行面试，跳槽面试，软件测试人员都必须知道的这几种面试技巧！][Link 1]

[面试经：一线城市搬砖！又面软件测试岗，5000就知足了…][5000]

[面试官：工作三年，还来面初级测试？恐怕你的软件测试工程师的头衔要加双引号…][Link 2]

[什么样的人适合从事软件测试工作？][Link 3]

[那个准点下班的人，比我先升职了…][Link 4]

[测试岗反复跳槽，跳着跳着就跳没了…][Link 5]

[5fb87c883155482198a70b4dca710d26.gif_pic_center]: https://img-blog.csdnimg.cn/5fb87c883155482198a70b4dca710d26.gif#pic_center
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/bdee65f00feb41cfbc2b9aa07f0f109f.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_ZHJvaWRzYW5zZmFsbGJhY2s_shadow_50_text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/f216f3c49fc44ea6a18263e50fa8d948.png?x-oss-process=image/watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6L2v5Lu25rWL6K-V5ZCb,size_20,color_FFFFFF,t_70,g_se,x_16
[26befd4418cb4161977f67ef063d47d5.png_pic_center]: https://img-blog.csdnimg.cn/26befd4418cb4161977f67ef063d47d5.png#pic_center
[Link 1]: https://blog.csdn.net/m0_56736369/article/details/117909132
[5000]: https://blog.csdn.net/m0_56736369/article/details/117915399
[Link 2]: https://blog.csdn.net/weixin_50829653/article/details/117422433
[Link 3]: https://blog.csdn.net/weixin_50271247/article/details/108421434
[Link 4]: https://blog.csdn.net/weixin_50829653/article/details/117856900
[Link 5]: https://blog.csdn.net/m0_56736369/article/details/117923266