安卓性能测试+结果可视化

使用到的技术:mobileperf+pyecharts或mobileperf+grafana

性能测试

GitHub - alibaba/mobileperf: Android performance testAndroid performance test. Contribute to alibaba/mobileperf development by creating an account on GitHub.https://github.com/alibaba/mobileperf

 使用方法:

  • 安装python3,加入到环境变量中,执行python --version,确保是python3
  • 安装adb,确保adb devices能找到设备
  • 修改配置文件,示例参考根目录下config.conf
  • 运行,mac、linux 在mobileperf工具根目录下执行sh run.sh,windows 双击run.bat,结束测试,等待设置测试时长到或按Ctrl+C

config文件主要改包名和设备udid

安卓性能测试+结果可视化_第1张图片

 测试结果,包含cpu,fps,内存mem,流量traffic 等csv文件

安卓性能测试+结果可视化_第2张图片

 结果可视化

grafana

grafana的安装、使用大家自行学习,这里主要讲pyecharts

安卓性能测试+结果可视化_第3张图片

 pyecharts

安装:pip install pyecharts

实际中一次cpu测试结果如下

安卓性能测试+结果可视化_第4张图片

 现在用pyecharts处理,注释注明了每一步的意思,可以对着看

import pandas as pd
import pyecharts.options as opts
from pyecharts.charts import Line
import os


class csv_to_chart(object):
    def __init__(self):
        self.cpu_file_name = './cpuinfo.csv'
        self.fps_file_name = './fps.csv'
        self.mem_file_name = './meminfo.csv'
        self.traffic_file_name = './traffic.csv'

    def func(self, val):
        tmp = float(val) / 100
        tmp = "{:.2f}".format(tmp)
        return str(tmp)

    def cpu_csv_to_line(self):
        # 读取CSV文件
        db = pd.read_csv(self.cpu_file_name)
        # 获取列名,转为列表
        tmp = db.columns.tolist()
        tmp_list = []
        # 列名system,特殊符号%,\n不能入库
        for a in tmp:
            if '\n' in a:
                tmp_list.append(a[:-2])
            elif 'system' in a:
                tmp_list.append('sys')
            elif '%' in a:
                tmp_list.append(a[:-1])
            else:
                tmp_list.append(a)
        db.columns = tmp_list

        # 将pid_cpu这一列除以100,因为是百分比
        db.pid_cpu = db.apply(lambda x: self.func(x.pid_cpu), axis=1)

        yk = (
            Line()
                .add_xaxis(db.datetime.tolist())

                .add_yaxis(series_name="cpu百分比",
                           y_axis=db.pid_cpu.tolist(),
                           # 跳过值是0的点
                           is_connect_nones=True,
                           # 曲线光滑
                           is_smooth=True,
                           markpoint_opts=opts.MarkPointOpts(
                               data=[
                                   opts.MarkPointItem(type_="max", name="最大值"),
                                   opts.MarkPointItem(type_="min", name="最小值"),
                               ]
                           ),
                           markline_opts=opts.MarkLineOpts(
                               data=[opts.MarkLineItem(type_="average", name="平均值")]
                           ), )

                .set_global_opts(title_opts=opts.TitleOpts(title="cpu占用详情"),
                                 tooltip_opts=opts.TooltipOpts(trigger="axis"))

                .render("html/cpu.html")
        )



if __name__ == '__main__':
    tmp = os.path.join(os.path.dirname(__file__), "html")
    if not os.path.exists(tmp):
        os.mkdir(tmp)
    csv_to_chart().cpu_csv_to_line()

目前问题

  • 真机,没有fps数据
  • 模拟器,没有流量数据

效果

  • 折线图
  • 最大值
  • 最小值
  • 均值
  • 竖线提示
  • 跳过空值

脚本放在统计结果路径,运行会在html文件夹生成对应的html

安卓性能测试+结果可视化_第5张图片

真机结果

安卓性能测试+结果可视化_第6张图片

安卓性能测试+结果可视化_第7张图片

安卓性能测试+结果可视化_第8张图片

安卓性能测试+结果可视化_第9张图片

模拟器结果

安卓性能测试+结果可视化_第10张图片

安卓性能测试+结果可视化_第11张图片

安卓性能测试+结果可视化_第12张图片

你可能感兴趣的:(测试工具,功能测试)