压测工具Locust介绍

发表评论
浏览量：1 次

A+

Locust 是一款基于 Python 的开源分布式负载测试工具，专为模拟高并发用户行为设计，尤其擅长测试 Web 应用和 API 的性能。其核心特点是通过 Python 脚本定义用户行为，结合轻量级协程（gevent）实现高并发，同时提供实时 Web 界面监控测试数据。以下是 Locust 的详细介绍：

🔧 一、核心特性与架构

事件驱动与高并发
- 基于 gevent 库实现协程，单节点可支持数千并发用户，资源占用低（内存消耗远低于 JMeter 等工具）。
- 通过轻量级进程模拟用户行为，避免回调地狱，提升执行效率。
灵活的脚本编写
- 使用 Python 编写测试脚本，支持复杂逻辑（如参数化、条件判断、数据动态生成）。
- 通过 @task 装饰器定义任务及权重，模拟不同用户操作频率（如 @task(3) 表示该任务执行概率是其他任务的 3 倍）。
分布式架构
- 采用 Master-Worker 模式：
  - Master 节点：协调任务、汇总数据并提供 Web 界面。
  - Worker 节点：执行实际请求，可横向扩展至多台机器。

⚙️ 二、安装与基础使用

安装要求
- Python ≥ 3.6，推荐 Python 3.9+。
- 安装命令：pip install locust（需提前安装 Python 和 pip）。

基础脚本示例

class WebsiteUser(HttpUser):
    wait_time = between(1, 5)  # 任务间隔时间（秒）
    @task
    def login(self):
        self.client.post("/login", json={"username": "test", "password": "123"})
    @task(2)
    def view_item(self):
        self.client.get("/items/1")

启动方式
- Web 界面模式：
  locust -f locustfile.py --host=http://target-host
  访问 http://localhost:8089 配置并发用户数（Total Users）和每秒启动速率（Spawn Rate）。
- 无头模式（Headless）：
  locust -f locustfile.py --headless --users 1000 --spawn-rate 100
  适用于自动化测试或资源受限环境。

⚡️ 三、高级功能

生命周期钩子
- on_start()：用户开始时的初始化操作（如登录）。
- on_stop()：用户结束时的清理操作。

响应验证

使用 catch_response=True 捕获响应，自定义断言：

with self.client.get("/data", catch_response=True) as response:
    if response.json()["status"] != 200:
        response.failure("Invalid status")[5](@ref)

参数化请求

动态生成请求参数（如随机商品 ID）：

@task
def load_item(self):
    item_id = random.randint(1, 100)
    self.client.get(f"/item/{item_id}", name="/item/[id]")[9](@ref)

自定义负载模型
- 支持阶梯增压、波浪式负载等复杂场景（需继承 LoadTestShape 类）。

🌐 四、分布式压测

启动 Master：
locust -f locustfile.py --master
启动 Worker：
locust -f locustfile.py --worker --master-host=<master-ip>
优势：多节点协同可模拟百万级并发，突破单机资源瓶颈。

📊 五、测试结果分析

Locust 的 Web 界面提供实时监控，关键指标包括：

指标	说明
RPS	每秒请求数，反映系统吞吐量
响应时间	中位数（Median）、90%分位数（90%ile）、平均值（Average）
失败率	请求失败比例，标识系统稳定性
并发用户数	当前活跃用户数量

图表展示 RPS 与响应时间变化趋势，支持导出 CSV 数据进一步分析。

⚠️ 六、适用场景与注意事项

适用场景
- Web 应用/API 负载测试、微服务压力测试、系统容量规划。
- 需定制化脚本的复杂用户行为模拟（如电商下单流程）。
局限性
- 原生仅支持 HTTP/HTTPS 协议，测试其他协议（如 TCP/MQTT）需自定义客户端。
- 报告功能较简陋，需二次开发或集成 Prometheus/Grafana 增强。
最佳实践
- 逐步增压：从低并发开始，逐步增加用户数，避免瞬时压垮系统。
- 生产环境慎用：压测可能影响线上服务，建议在隔离环境执行。

💎 七、对比其他工具（如 JMeter）

特性	Locust	JMeter
脚本语言	Python（灵活编程）	XML/GUI（配置复杂）
并发模型	协程（单进程高并发）	线程（资源消耗高）
分布式部署	原生支持	需额外插件
协议支持	主要 HTTP，其他需扩展	多协议（JDBC/FTP 等）
报告实时性	强（Web 界面动态更新）	弱（依赖日志导出）

💎 总结

Locust 凭借 Python 脚本的灵活性、分布式架构的扩展性和实时监控能力，成为 DevOps 和测试工程师的首选压测工具。尤其适合需要定制化高并发场景的团队，但需注意其协议支持局限性和报告功能的不足。结合逐步增压策略和分布式部署，可高效定位系统性能瓶颈，为优化提供数据支撑。