蝗虫过境，你的系统能扛住吗？

前言

作为一个开源分布式压测工具，Locust其实解决这么一个问题：Locust并发机制摒弃了进程和线程，采用协程机制，从而可以大幅提高单机的并发能力。本质上，应用Locust做压测，就是在写Python程序。

简介

经过一段时间的服务端性能测试，也先后了解及使用过一些性能测试工具，本篇中，向大家推荐Locust这款开源工具。Locust的本意为”蝗虫“，意为由Locust生成的并发请求就跟一大群蝗虫一样，对我们的被测系统进行攻击，以此来检验系统在高并发下的性能。大家可以随意感受下。

将Locust与常用的LoadRunner和Jmeter进行对比，详细参数如下：

通过上述图表，可能大家会觉得，Locust也不怎么样嘛，不支持资源监控，报告分析也是简单图表。那为什么还要选它呢？ 我们在考虑选择性能测试工具时，主要考虑2个方面：模拟真实用户操作、模拟有效并发。 先说下模拟用户真实操作。在Locust测试框架中，测试场景是采用Pure Python脚本描述，并且HTTP请求完全基于Requests库。熟悉Requests库的人都知道，这个库能够非常方便的发送请求和处理响应，很多其他编程语言的HTTP库都借鉴它的思路。除了HTTP协议外，Locust也可以测试任意协议的系统，只需要采用Python调用对应的库进行请求即可； 再说一下有效并发。Locust的并发机制采用协程。采用多线程模拟多用户时，线程数会随着并发数的增加而增加，而线程之间的切换需要占用资源，IO阻塞等原因不可避免的造成并发效率下降；正因如此，LoadRunner和Jmeter这类依靠进程和线程的工具，在单机上很难有较高的并发，会受到本机性能的制约。而协程与线程的区别在于，协程避免了系统级资源调度，大大提高了性能。正常情况下，单台普通配置的测试机器可以产生数千的并发量，这是LoadRunner和Jmeter都无法实现的。

脚本编写

那么如何使用Locust进行性能测试呢？ 编写Locust脚本，是使用Locust的第一步。简单示例如下：

上述脚本是如何表达测试场景的呢？ 首先，该脚本主要包含两个类，一个是UserBehavior，继承自TaskSet；还有一个是WebsiteUser类，继承自HttpLocust，而HttpLocust类继承自Locust。 其中，TaskSet类用于描述用户行为，包括任务执行顺序、挑选下一个任务、执行任务等。

• @task装饰器定义了不同权重的测试任务，比例为2:1；
• test_flush表示一个用户行为，此处为post请求/Auroch/flush接口；
• test_install为请求/Auroch/install接口；
• Client.get()用于指定请求路径；

在Locust类中，具有一个client属性，对应着客户端的请求能力。

• task_set：指向一个定义的用户行为类；
• min_wait：每个任务之间的时间间隔下限；
• max_wait：每个任务之间的时间间隔上限；

执行测试

（一）单进程运行： 在终端中输入如下命令，执行web类型的测试

此时打开浏览器，访问http://localhost:8089/即可进入Locust的Web管理页面。（默认端口为8089）

其中 Number of users to simulate：设置模拟用户数 Hatch rate (users spawned/second)：每秒产生/启动的虚拟用户数 设置好之后，点击Start swarming就可以执行测试了。 （二）多进程分布式运行 不管是单机多进程，还是多机负载模式，运行方式都一样，都是先运行一个master，再启动多个slave 启动master时，需要使用--master参数，master启动后，需要启动slave才能执行测试任务，启动slave需要使用--slave参数。

之后的操作方法同web类型。

测试结果

相比于LoadRunner，Locust结果展示很简单，可以实时在web页面中看到。主要指标包含：并发数，RPS，响应时间，异常率。对于大多数测试场景来说，这几个指标已经足够了。

RPS和平均响应时间这两个指标显示的值都是最近2秒请求响应数据得到的统计值，可以理解为瞬时值。数据走势可以在Charts中看到。

Total Requests per Second：每秒请求数； Response Times(ms)：平均响应时间； Number of Users：用户数。

结束语

Locust有很强的可扩展性，当遇到一些复杂的性能测试场景时，可以方便的进行定制化测试。当然，一些性能测试的增强型用法，比如参数化、关联、断言等，都可以通过Python的脚本增强来实现，一起来研究一下吧。