#loadandperformance

  Konfiguration: - Ändert die url Variable, um die URL eures Chatbots anzugeben. - Passt die num_users Variable an, um die Anzahl der simulierten Benutzer festzulegen. - Passt die num_threads Variable an, um die Anzahl der Threads festzulegen (obwohl diese Variable im aktuellen Skript nicht verwendet wird). - Passt die http_method Variable an, um die HTTP-Methode festzulegen (obwohl das Skript derzeit nur GET-Anfragen unterstützt). - Passt die think_time Variable an, um die Denkzeit zwischen den Anfragen festzulegen. Ausführung: - Führt das Skript aus. Es wird die angegebene Anzahl von Benutzern simulieren, die Anfragen an den Chatbot senden. - Die Fortschrittsleiste zeigt den Fortschritt des Tests an. - Nach Abschluss des Tests werden statistische Daten wie Durchschnitt, Median, Varianz, Standardabweichung und die 95. und 99. Perzentile der Antwortzeiten angezeigt. - Ein Histogramm der Antwortzeiten wird ebenfalls angezeigt. Analyse: - Überprüft die statistischen Daten, um zu verstehen, wie euer Chatbot unter Last reagiert. - Das Histogramm gibt euch eine visuelle Vorstellung von der Verteilung der Antwortzeiten. Fehlerbehandlung: - Das Skript protokolliert Fehler in einer Datei namens logfile.log im Verzeichnis Load_and_Performance_Tooling/Logging/. Überprüft diese Datei, wenn während des Tests Fehler auftreten. import aiohttp import asyncio import time import statistics import logging import numpy as np import matplotlib.pyplot as plt from datetime import datetime from tqdm import tqdm # Author: Frank Rentmeister # URL: https:meinchatbot.com # Date: 2023-08-23 # Version: 2.0 # Description: Load and Performance Tooling (Asynchronous with Progressbar) # Set the log level to DEBUG to log all messages LOG_FORMAT = '%(asctime)s - %(name)s - %(levelname)s - %(message)s - %(threadName)s - %(thread)d - %(lineno)d - %(funcName)s' logging.basicConfig(level=logging.DEBUG, format=LOG_FORMAT, filename='Load_and_Performance_Tooling/Logging/logfile.log', filemode='w') logger = logging.getLogger() # Configuration Parameters url = "https://meinchatbot.com" num_users = 200 num_threads = 10 http_method = "GET" think_time = 2 # Define a function to calculate statistical data def calculate_statistics(response_times): mean_response_time = statistics.mean(response_times) median_response_time = statistics.median(response_times) variance_response_time = statistics.variance(response_times) stddev_response_time = statistics.stdev(response_times) percentile_95 = np.percentile(response_times, 95) percentile_99 = np.percentile(response_times, 99) return { 'mean': mean_response_time, 'median': median_response_time, 'variance': variance_response_time, 'stddev': stddev_response_time, '95_percentile': percentile_95, '99_percentile': percentile_99 } # Define a function to simulate a user making a request async def simulate_user_request(session, response_times, pbar): try: start_timestamp = datetime.now() async with session.get(url) as response: # Assume only GET requests for simplicity response_time = datetime.now() - start_timestamp response.raise_for_status() response_times.append(response_time.total_seconds()) pbar.update(1) # Update the progress bar await asyncio.sleep(think_time) # Implementing the think time except Exception as e: logger.error(f"An unexpected error occurred: {e}") pbar.update(1) # Update the progress bar even if there's an error # Define a function to run the load test asynchronously async def run_load_test(): start_timestamp = datetime.now() response_times = with tqdm(total=num_users, desc="Progress", position=0, bar_format="{l_bar}{bar:20}{r_bar}{bar:-10b}", colour="green") as pbar: async with aiohttp.ClientSession() as session: tasks = await asyncio.gather(*tasks) num_successful_requests = len(response_times) num_failed_requests = num_users - num_successful_requests print(f"Number of successful requests: {num_successful_requests}") print(f"Number of failed requests: {num_failed_requests}") stats = calculate_statistics(response_times) print(f"Mean Response Time: {stats:.3f} seconds") print(f"Median Response Time: {stats:.3f} seconds") print(f"Variance of Response Times: {stats:.3f}") print(f"Standard Deviation of Response Times: {stats:.3f}") print(f"95th Percentile of Response Times: {stats:.3f} seconds") print(f"99th Percentile of Response Times: {stats:.3f} seconds") # Create a histogram of response times plt.figure(figsize=(8, 6)) plt.hist(response_times, bins=20, color='skyblue', edgecolor='black') plt.title('Response Time Distribution') plt.xlabel('Response Time (seconds)') plt.ylabel('Frequency') plt.grid(True) plt.show() # Run the load test asynchronously asyncio.run(run_load_test())     Read the full article