Python批量压测接口并生成性能报告的核心是串联请求调度、数据收集、统计分析和报告生成四步；使用requests发请求、threading控制并发、matplotlib绘图、jinja2渲染HTML，辅以命令行参数、错误分类、高精度计时等实用细节。
用Python批量压测接口并自动生成性能报告，核心是把请求调度、数据收集、统计分析和报告生成四步串起来。不需要复杂框架，requests + threading + matplotlib + jinja2 就能搞定，重点在逻辑清晰、结果可读。
一、用线程池并发发请求，控制QPS和总请求数
别用for循环硬扛，用concurrent.futures.ThreadPoolExecutor更稳。可以按目标QPS动态计算休眠间隔，也能限制最大并发数防打崩服务。
- 设定总请求数（如1000）、并发数（如50）、是否启用QPS限流
- 每个线程执行一次请求，记录开始时间、响应时间、状态码、异常信息
- 用time.sleep()或rate-limiter逻辑控频，比如每秒最多发20个请求 → 每次间隔0.05秒
二、实时收集关键指标，存成结构化数据
光看“平均响应时间”没用，得攒够维度：成功数/失败数、P90/P95/P99、各状态码分布、错误类型（超时、连接拒绝、JSON解析失败等）。
- 用list或deque存每次请求的完整结果字典：{"url": "...", "status": 200, "latency": 0.324, "error": None}
- 同步更新计数器：success_cnt、timeout_cnt、http_5xx_cnt等
- 响应时间单独抽成数组，方便后续用numpy算分位数
三、用matplotlib画趋势图，jinja2渲染HTML报告
图形比表格直观。画个响应时间分布直方图 + Pxx随时间变化折线图（按每100次请求分段），再加个状态码饼图。HTML报告里嵌入base64图片，离线也能打开。
立即学习“Python免费学习笔记（深入）”；
- 用plt.hist()画延迟分布，plt.plot()画P95滑动窗口趋势（窗口大小=50）
- 用jinja2模板定义HTML骨架，传入统计数据和图片base64字符串
- 生成report_20240520_1430.html，双击即开，含摘要、图表、原始数据表格
四、加点实用细节，让脚本真正可用
生产级压测不是跑通就行，要能复现、能对比、能归档。
- 命令行参数支持：-u URL -c 100 -n 5000 --qps 30 --report-dir ./reports
- 自动记录压测时间、Python版本、requests版本、服务端IP和端口
- 失败请求的URL、参数、报错堆栈写进failures.log，方便排查
- 支持从CSV读测试数据（多URL+不同payload），不只跑单接口
基本上就这些。不复杂但容易忽略的是错误分类和时间精度——比如把ConnectionError和ReadTimeout分开统计，用time.perf_counter()而非time.time()测延迟。脚本写完，下次压测只要改几个参数，报告自动出来。
