【AI图像识别二】JMeter轻松实现大数据量AI图像识别接口测试

******************************************************************************

本文主要介绍利用Jmeter进行AI图像识别接口测试

　　1.测试需求关键点分析

　　2.测试准备工作

　　3.测试过程与测试结果统计

******************************************************************************

一、测试需求关键点分析

1）AI图片稽查算法模型优化功能需求：

　* 人像稽查API接口的模型优化效果测试，包含功能与性能测试

2）转化为测试需求：

　* 测试AI图片稽查接口功能是否满足接口API设计需求

　* 测试升级版本较基础版本算法模型准确率提升范围，与研发提供的指标数据进行对比

　* 测试升级版本较基础版本算法模型性能提升范围，结合现网测试结果进行扩展对比

二、测试准备工作（摘自测试计划关键步骤）

1）测试数据：图片正常、非免冠、占比不合理、遮挡、非人脸

　　注意：要与算法工程师讨论测试数据种类、数量与模型评估方法，不同项目测试侧重点不同，灵活运用

2）测试工具：JMeter 或写python脚本或 Postman

3）测试环境：千兆网络带宽、1个GPU 2个flask进程、2个CPU（24核数）

4）测试方法：

　* 功能测试：传入不同种类图片数据对接口进行请求，验证返回结果是否符合功能需求

　* 模型评估：传入不同种类图片数据集对接口进行请求，对返回结果进行统计，计算模型准确率来判定模型的是否符合标准

　* 性能测试：不同并发数对接口进行性能测试，观察服务器内存、硬盘、GPU的使用情况，记录TPS与响应时间

5）JMeter脚本设计关键点：
问题一：接口参数为图片流，如何解决几百个图片流文件的参数化？

　　解决办法：

　　　　A、Beanshell 读取图片流存放文件的目录，设置参数引用Beanshell图片流变量 --- 不可行
　　　　B、利用CSV参数化图片流目录 --- 不可行
　　　　C、换个思路，利用Beanshell前置处理器读取图片并进行转流后参数化 --- 解决

　　问题二：Response返回值为json嵌套格式，如何取到json嵌套的data列表值并断言多个预期值？

　　解决办法：

　　　　A、利用正交法把所有返回值的用响应断言做判断 --- 没有试，比较不灵活且容易遗漏返回值
　　　　B、利用正则表达式提取器+Beanshell断言方式，正则提取json嵌套data列表，beanshell断言遍历列表判断满足条件的值 --- 解决

三、测试过程与测试结果统计：

1）模型功能测试与模型评估测试

　* 利用JMeter工具创建测试计划，根据API文档添加测试请求，消息体数据利用Beanshell参数化

　* 利用while控制器与Beanshell前置处理器结合的方式对每一个图片进行稽查，while控制器控制图片的数量，Beanshell前置处理器负责加载图片、转码图片、以变量的方式对参数进行赋值