测试数据放 yaml，为什么不直接用 HttpRunner

试试 pip install tep==0.5.3 呢

2021 流行 Java 自动化测试了么

点赞 相同技术栈 正在做 刚好借鉴下

我正在自己写 Vue + Django + DRF

我也没想到被加精了，从读者了解到，文章亮点是给快速搭建自动化项目提供了便利。
tep 只是一款测试工具，不像测试框架逼着你非得这么干，数据代码分离可以通过 fixture 来实现，取决于个人需求和代码习惯。
断言也是一个道理，严谨的话就加上数据库断言呗。

Python 转 Java 方向是什么原因呢

简单易上手，就是 postman 了。

感谢恒温大佬加精！

不过如何在一个用例中，引用其他用例，来实现用例级别的复用，还在思考中，等想好了再写篇文章来说说。

如果查询接口复用比较少，那么放在少数几个 py 模块中就可以了，如果接口复用比较多，可以抽取成 fixture 放在 fixtures 目录下，py 模块进行引用。

pytest 定义 scope 为 session 的 fixture，存放 py 模块之间的全局变量，每个用例动态添加进去相互复用，也许能达到你的效果，可以参考下https://testerhome.com/topics/27284

正想做个类似的，期待开源。

这种观点未免太悲观了点，诚然测试是容易背锅的岗位，但是有些开发造成的问题，是可以通过努力让团队和 leader 认识到的，并不会最终把责任定给测试。无法改变人的第一印象，那么就需要前期做好记录，遇到线上事故能拿出可以解释的证据，如果总是发现是开发导致的，难道还会认为是测试不靠谱么？

也还好。现在的失败经验，说不定在将来某一天会有作用。别人刚开始踩坑的时候，也可能是这么过来的。

@Mingway_Hu 帮我也退出下

有 Python 的存在，为什么还要用 Postman 和 JMeter 写接口自动化？？？

helloworld 大神 是什么梗？

可以看看我之前文章里面这个例子。
https://testerhome.com/topics/25550
8.在不同 python 解释器之间测试对象序列化。python1 把对象 pickle-dump 到文件。python2 从文件中 pickle-load 对象。

"""
module containing a parametrized tests testing cross-python
serialization via the pickle module.
"""
import shutil
import subprocess
import textwrap

import pytest

pythonlist = ["python3.5", "python3.6", "python3.7"]


@pytest.fixture(params=pythonlist)
def python1(request, tmpdir):
    picklefile = tmpdir.join("data.pickle")
    return Python(request.param, picklefile)


@pytest.fixture(params=pythonlist)
def python2(request, python1):
    return Python(request.param, python1.picklefile)


class Python:
    def __init__(self, version, picklefile):
        self.pythonpath = shutil.which(version)
        if not self.pythonpath:
            pytest.skip("{!r} not found".format(version))
        self.picklefile = picklefile

    def dumps(self, obj):
        dumpfile = self.picklefile.dirpath("dump.py")
        dumpfile.write(
            textwrap.dedent(
                r"""
                import pickle
                f = open({!r}, 'wb')
                s = pickle.dump({!r}, f, protocol=2)
                f.close()
                """.format(
                    str(self.picklefile), obj
                )
            )
        )
        subprocess.check_call((self.pythonpath, str(dumpfile)))

    def load_and_is_true(self, expression):
        loadfile = self.picklefile.dirpath("load.py")
        loadfile.write(
            textwrap.dedent(
                r"""
                import pickle
                f = open({!r}, 'rb')
                obj = pickle.load(f)
                f.close()
                res = eval({!r})
                if not res:
                raise SystemExit(1)
                """.format(
                    str(self.picklefile), expression
                )
            )
        )
        print(loadfile)
        subprocess.check_call((self.pythonpath, str(loadfile)))


@user3ize("obj", [42, {}, {1: 3}])
def test_basic_objects(python1, python2, obj):
    python1.dumps(obj)
    python2.load_and_is_true("obj == {}".format(obj))

def test_login(chrome, firefox):
    open_url(chrome, "https://www.baidu.com")
    open_url(firefox, "https://www.baidu.com")

这样？

一般情况下，性能测试是将系统处理能力容量测出来，而不是测试并发用户数。
JMeter 的线程只是用来产生并发请求的技术手段。

我的观点是，这个公式容易误导人，不提更好。
严格意义上的并发用户数：指与系统建立连接，并对系统发起请求，对系统造成压力的用户；注意：并发用户数不能完全代表对系统的压力，比如 100 并发用户与系统建立了连接，每秒发一次请求，每 10 秒发一次请求，这两种行为对系统的压力是完全不一样的。
可以通过查询 被测服务器有多少来源于压力机的 IP 与服务器建立了连接，来计算真实并发。

用户数 != TPS * 响应时间，这个公式完全不成立。

看自己喜欢吧，既然会 java 就用 java，我喜欢 python，选择用 python。

涨涨见识也挺好，不知道 PPT 什么时候分享出来？