return hashlib.md5(data).hexdigest()

def get_filename(self, filepath):

"""获取文件原始名称"""

# 文件名带后缀

filename_with_suffix = os.path.basename(filepath)

# 文件名

filename =

filename_with_suffix.split('.')[0]

# 后缀名

suffix =

filename_with_suffix.split('.')[-1]

return filename_with_suffix, filename, suffix

def get_chunk_info(self, file_path):

"""获取分段信息"""

# 获取文件总大小(字节)

file_total_size = os.path.getsize(file_path)

print(file_total_size)

# 分段总数

total_chunks_num = math.ceil(file_total_size / self.chunk_size)

# 文件名（带后缀）

filename = self.get_filename(file_path)[0]

# 文件的md5值

file_md5 = self.get_file_md5(file_path)

return file_total_size, total_chunks_num, filename, file_md5

2-2 切片及分段上传

利用分段总数和分段大小，对文件进行切片，调用分段文件上传接口

import requests

def do_chunk_and_upload(self, file_path):

"""将文件分段处理，并上传"""

file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(file_path)

# 遍历

for index in range(total_chunks_num):

print('第{}次文件上传'.format(index + 1))

if index + 1 == total_chunks_num:

partSize = file_total_size % chunk_size

else:

partSize = chunk_size

# 文件偏移量

offset = index * chunk_size

# 生成分片id,从1开始

chunk_id = index + 1

print('开始准备上传文件')

print("分片id:", chunk_id, "文件偏移量：", offset, ",当前分片大小:", partSize, )

# 分段上传文件

self.__upload(offset, chunk_id, file_path, file_md5, filename, partSize, total_chunks_num)

def __upload(self, offset, chunk_id, file_path, file_md5, filename, partSize, total):

"""分次上传文件"""

url = 'http://**/file/brust/upload'

params = {'chunk': chunk_id,

'fileMD5': file_md5,

'fileName': filename,

'partSize': partSize,

'total': total

}

# 根据文件路径及偏移量，读取文件二进制数据

current_file = open(file_path, 'rb')

current_file.seek(offset)

files = {'file': current_file.read(partSize)}

resp = requests.post(url, params=params, files=files).text

print(resp)

2-3 合并文件

最后调用合并文件的接口，将分段小文件合成大文件

def merge_file(self, filepath):

"""合并"""

url = 'http://**/file/brust/merge'

file_total_size, total_chunks_num, filename, file_md5 = self.get_chunk_info(filepath)

payload = json.dumps(

{

"fileMD5": file_md5,

"chunkTotal": total_chunks_num,

"fileName": filename

}

)

print(payload)

headers = {

"Content-Type": "application/json"

}

resp = requests.post(url, headers=headers, data=payload).text

print(resp)

2-4 文件路径参数化

为了并发执行，将文件上传路径参数化

# fileupload.py

...

if __name__ == '__main__':

filepath = sys.argv[1]

# 每一段切片的大小(MB)

chunk_size = 2 * 1024 * 1024

fileApi = FileApi(chunk_size)

# 分段上传

fileApi.do_chunk_and_upload(filepath)

# 合并

fileApi.merge_file(filepath)

3. Jmeter 并发执行

在使用 Jmeter 创建并发流程前，我们需要编写批处理脚本

其中，执行批处理脚本时，需要跟上文件路径一起执行

# cmd.bat

@echo off

set filepath=%1

python C:\Users\xingag\Desktop\rpc_demo\fileupload.py %*

然后，在本地新建一个 CSV 文件，写入多个文件路径

# 准备多个文件路径（csv）

C:\\Users\\xingag\\Desktop\\

charles-proxy-4.6.1-win64.msi

C:\\Users\\xingag\\Desktop\\V2.0.pdf

C:\\Users\\xingag\\Desktop\\HBuilder1.zip

C:\\Users\\xingag\\Desktop\\HBuilder2.zip

接着，就可以使用 Jmeter 创建并发流程了

完整步骤如下：

• 创建一个测试计划，下面添加一个线程组这里线程组数目与上面文件数目保持一致即可
• 线程组下，添加「 同步定时器 」同步定时器中的「 模拟用户组的数量 」和上面参数数量保持一致
• 添加 CSV 数据文件设置指向上面准备的 csv 数据文件，设置文件格式为 UTF-8，变量名称设置为 file_path，最后将线程共享模式设置为「 当前线程组 」
• 添加调试取样器，方便调试
• 添加 OS 进程取样器选择上面创建的批处理文件，命令行参数设置为「 ${file_path} 」
• 添加查看结果数

4. 最后

运行上面创建的 Jmeter 并发流程，在结果数中可以查看并发上传文件的结果

当然，我们可以增加并发数量去模拟真实的使用场景，只需要修改 CSV 数据源及 Jmeter 参数即可