一探究竟！locust性能测试全解析

最近在工作中使用locust做性能压测，发现这款工具非常强大，特别是在单台压测机能够制造更多的并发量，于是整理成了这份文档，故分享给大家。

(一）认识Locust

1.主流性能测试工具对比

工具	Locust	Jmeter	Loadrunner
是否收费	免费	免费	收费
语言	Python	Java	C
并发机制	协程	线程	进程/线程
单机并发能力	高	低	低
场景压测	支持	支持	支持
分布式	支持	支持	支持

2.Locust性能测试工具介绍

简介

Locust是一款易于使用的分布式负载测试工具，一个locust节点就可以在一个进程中支持数千并发用户，基于事件，通过gevent使用轻量级执行单元。

线程和协程的区别

- 一个线程可包含多个协程
- 线程和进程是同步机制，协程是异步
- 线程的切换由操作系统调度，协程由用户自己进行调度
- 协程相较于线程更加轻量，资源消耗更低
为什么选择locust？
- 基于协程，低成本实现更多并发
- 有第三方插件，易于扩展
- 支持分布式、高并发能力

(二）Locust基础语法

1.Locust安装

pip install locust

2.Locust文档详解

https://cloud.tencent.com/developer/article/1594240

3.Locust核心概念

User类

概念：表示要生成进行压力测试的用户

用户：每个user实例相当于一个用户

task

概念：用于处理用户的行为，比如：登录会员-> 获取会员信息-> 刊登物件

TastSet：定义用户将执行的一组任务的类，测试任务开始后，每个locust用户会从TastSet中随机挑选一个任务执行

4.Locust运行与监控

图形化界面

1. 通过命令行启动Locust服务，然后访问http://localhost:8089

2. 在页面设置执行压测的策略，并发的用户数，每秒启动的用户数，执行多长时间等

3. 点击start，开启执行压测

命令行界面

locust -f locustfile.py --headless -u 100 -r 10 -t 30s

启动参数

-f, --locustfile：指定 locustfile 的文件路径。
-H, --host：指定要测试的主机地址。
-u, --users：设置并发用户数。
-r, --spawn-rate：设置用户生成速率。
-t, --run-time：设置测试运行时间。
-L, --no-reset-stats：在测试期间不重置统计数据。
–csv：将结果保存为 CSV 文件。
–headless：以无界面模式启动 Locust
--web-host IP地址：设置web页面的访问IP

5. 性能指标

RPS

Requests per Second：每秒完成的请求数，类似于TPS，反映服务器的处理能力

响应时间

Average Response Time：每个请求的平均响应时间

用户数

Number of Users

(三）Locust扩展应用

1. 参数化

1.1 通过引入队列的方式，实现方式是将测试数据插入队列，然后依次取出，数据取完后locust会自动停止。

1.2 若是需要将测试数据循环使用，则每次取出数据后，然后再插入队尾，即可实现循环压测


import queue

# 读取测试数据(读取csv文件的测试数据)

csv_list = csv_to_list('user.csv')

# 创建队列

q = queue.Queue()


# 遍历列表数据，将数据放入队列

for i in csv_list:

q.put(i)


# 从队列取出数据,原理：先进先出

q.get()

2. 检查点

默认检查点

locust默认情况会使用默认的检查点，比如当接口超时，链接失败等原因，会判断请求失败。

手动设置检查点

使用self.client提供的catch_response=True参数，添加locust提供的success和failure方法。其中failure方法需要传入一个参数，内容就是失败的原因。

3. 思考时间

wait_time

固定时间：constant(wait)
区间随机时间：between(min_wait， max_wait)
自适应时间：constant_pacing(wait)，设置每个任务的最长时间

4. 权重

测试中，存在多个User Class,默认情况下locust将为每个User Class的实例的数量是相同的。通过设置weight属性，来控制locust为我们的User Class 生成不同数量的实例。

方式一

在HttpUser类中任务函数通过@task设置，能够在同个Class类中设置不同任务的权重比


class QuickstartUser1(HttpUser):

# 设置该任务权重为：1

@task(1)

def task_demo1(self):

print("执行的第一个任务")


# 设置该任务权重为：3

@task(3)

def task_demo2(self):

print("执行的第一个任务")

方式二

文件中存在多个用户类场景，可以通过在类的属性中定义权重,，在启动locust服务后，会更加设置的权重来执行任务，比如下图中QuickstartUser1和QuickstartUser2执行权重是：1:3


class QuickstartUser1(HttpUser):

# 设置该类下的权重为：2

weight = 1


def task_demo1(self):

print("执行的第一个任务")


def task_demo2(self):

print("执行的第一个任务")


class QuickstartUser2(HttpUser):

# 设置该类下的权重为：3

weight = 3


def task_demo3(self):

print("执行的第一个任务")


def task_demo3(self):

print("执行的第一个任务")

5. 集合点

什么是集合点？

在性能测试过程中，假设需要测试系统能否支持1000人同时访问该业务，然后在调用该业务之前加入集合点，当所设置的虚拟用户运行到集合点时，便开始检测集合点是否以满足1000人，如果不满足，已到达集合的用户在该位置等待，当设置的虚拟用户达到1000人时，然后才会去执行1000人同时访问该业务，从而通过高并发的压测，测试系统的性能瓶颈。


# 通过gevent并发机制，使用gevent的锁来实现

from locust import HttpUser, TaskSet, task, between, events

from gevent._semaphore import Semaphore



all_locusts_spawned = Semaphore()

all_locusts_spawned.acquire() # 阻塞线程



def on_hatch_complete(user_count,**kwargs):

"""

Select_task类的钩子方法

"""

print(f"{user_count}个虚拟用户产生完成")

# 创建钩子方法

all_locusts_spawned.release()



# 挂在到locust钩子函数（所有的Locust示例产生完成时触发）

events.spawning_complete.add_listener(on_hatch_complete)


n = 0



class UserBehavior(TaskSet):

def on_start(self):

global n

n += 1

print("%s个虚拟用户开始启动" % n)

all_locusts_spawned.wait() # 同步锁等待


@task

def test2(self):

url = '/detail'

with self.client.get(url, headers={}, catch_response=True) as response:

print("用户同时执行查询")



class WebsiteUser(HttpUser):

host = 'https://www.baidu.com'

wait_time = between(1, 2)

tasks = [UserBehavior]

6. 分布式

如果单台机器不足以模拟所需的用户数量，Locust可以可以设置为单机主从模式和多机主从模式，具体可参考文档：https://blog.csdn.net/qq_36076898/article/details/109015136?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~default-0-109015136-blog-131328446.235^v43^pc_blog_bottom_relevance_base6&spm=1001.2101.3001.4242.1&utm_relevant_index=1

7. 高性能FastHttpUser

相对于HttpUser是直接继承python-request，FastHttpUser则是使用更快的geventhttpclient代替，它提供了一个相似的 API，在相同的并发条件下使用FastHttpUser能有效减少压测机的资源消耗，从而达到更大的http请求数

(四）性能测试场景实例

压测场景

备注：多场景串连，模拟用户登录-> 然后获取用户的物件列表

1.压测策略

并发用户数：100个，每秒增加2个用户，压测时长：1min, 登录接口和获取物件列表权重比为：1:10

2.测试脚本


# -*- coding:utf-8 -*-

# Time: 2024/5/18

import os

from locust import HttpUser, task, between,constant, constant_pacing, SequentialTaskSet

from loader import csv_to_list

import queue

# 读取测试数据

csv_list = csv_to_list('user.csv')

# 创建队列

q = queue.Queue()

# 将数据放入队列

for i in csv_list:

q.put(i)



# 多个任务按照顺序执行

class UserBehavior(SequentialTaskSet):

access_token = None

headers = {'User-Agent': 'Mozilla/5.0 (iPhone; CPU iPhone OS 13_2_3 like Mac OS X) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/13.0.3 Mobile/15E148 Safari/604.1'}


@task(1)

def login(self):

"""登录 """

self.headers.update({'Content-Type': 'application/x-www-form-urlencoded', 'device': 'pc', 'deviceid': '48jjqt2uk0r8gopajpc616hqm7'})

data = {'login_type': 'pwd'}

data.update(q.get())

q.put(data)

# print(data)

with self.client.post("/v2/user/login", headers=self.headers, data=data, verify=False, catch_response=True, name='登录') as response:

if response.status_code != 200:

response.failure('Failed to get land list api')

if response.json()['status'] != 1:

response.failure('Failed to get land list')

else:

self.access_token = response.json().get('data').get('access_token')


@task(10)

def get_user_house_list(self):

""""获取物件列表"""

payload = {

"device": "pc",

"deviceid": "bno6bbc7na848krqc6vpi39s54",

"current_page": 1,

"page_size": 15

}

self.headers.update({'access-token': self.access_token})

with self.client.post("/v1/user/ware/open", headers=self.headers, json=payload, verify=False, catch_response=True, name='获取物件列表') as response:

if response.status_code != 200:

response.failure('Failed to get land list')

if response.json()['status'] == 1:

response.success()

# print(response.json())


# HttpUser类是Locust的基类，用于定义用户行为

class QuickstartUser(HttpUser):

wait_time = between(1, 2)

host = 'https://test.123.com'

tasks = [UserBehavior]

3.测试结果

结论：通过曲线图可以看到，当用户数达到64，RPS峰值达到16.8，随着压力进一步的增大，RPS明显区域平稳，此时基本可以看出该接口RPS趋于16，即RPS =16，另外随机压力的增大，响应时间是越来越慢，故实际的符合要求的RPS明显要低于16

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：【文末自行领取】

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！