性能测试工具 wrk,ab,locust,Jmeter 压测结果比较

grizz · 2018年11月29日 · 最后由 YBB1020 回复于 2018年12月13日 · 4560 次阅读
本帖已被设为精华帖!

背景:

项目需要对一批接口进行压测,要求是接口的QPS(Quest Per Second每秒请求数)达到6万以上
由于楼主一直使用的压力测试工具是jmeter,但是jmeter单台电脑无法达到6万的QPS,于是使用网传比较好用的其他性能工具进行压测比较,选出一款符合要求的工具进行压测。

压测机器:Linux 4核8G
由于不同的性能工具压测时消耗的系统资源不一样,防止系统资源造成的干扰,测试时服务器只运行压测工具,且非本机压本机。

示例接口,post请求,请求body可为空
POST https://api.midukanshu.com/logstash/userbehavior/report
返回:
{"code":0,"message":"成功","currentTime":1543386393,"data":[]}

一、 Wrk

wrk是一款现代化的HTTP性能测试工具,即使运行在单核CPU上也能产生显著的压力。最大的优点是它支持多线程,这样更容易发挥多核 CPU 的能力,从而更容易测试出系统的极限能力。

安装

git clone https://github.com/wg/wrk.git
cd wrk/
make

查看版本

./wrk -v

参数说明

-c:总的连接数(每个线程处理的连接数=总连接数/线程数)
-d:测试的持续时间,如2s(2second)2m(2minute)2h(hour),默认为s
-t:需要执行的线程总数,默认为2,一般线程数不宜过多. 核数的24倍足够了. 多了反而因为线程切换过多造成效率降低
-s:执行Lua脚本,这里写lua脚本的路径和名称,后面会给出案例
-H:需要添加的头信息,注意header的语法,举例,-H token: abcdef
timeout:超时的时间
latency:显示延迟统计信息

返回结果

Latency:响应时间
Req/Sec:每个线程每秒钟的执行的连接数
Avg:平均
Max:最大
Stdev:标准差
+/- Stdev 正负一个标准差占比
Requests/sec:每秒请求数(也就是QPS),等于总请求数/测试总耗时
Latency Distribution,如果命名中添加了—latency就会出现相关信息

运行

./wrk -t 5 -c 300 -d 60 --latency https://api.midukanshu.com/logstash/userbehavior/create

300个连接数跑60秒:Request/sec(每秒请求数):3322.48

./wrk -t 5 -c 500 -d 60 --latency https://api.midukanshu.com/logstash/userbehavior/create

500个连接数跑60秒:Request/sec(每秒请求数):3321.67

可见连接数从300加到500,QPS没有明显变化,就没有再往上加的必要了,再加也只会花更多的时间去坐线程的切换,QPS不一定上升,而且300个连接数时CPU已经跑满,后面会有截图说明

如果post请求的body不为空则指定lua文件进行读取,示例如下:
./wrk -t 5 -c 300 -d 60 --script=post.lua --latency https://api.midukanshu.com/logstash/userbehavior/create
post.lua文件内容
wrk.method = "POST"
wrk.body = ""
wrk.headers["Content-Type"] = "application/x-www-form-urlencoded"

二、 Apache Benchmark

Apache Benchmark简称 ab,是apache自带的压力测试工具

安装:

sudo yum install httpd-tools

查看版本:

ab -V

参数说明

-n 表示请求总数(-t参数可任选其一)
-c 表示并发数
-t 标识请求时间
-p:模拟post请求,文件格式为gid=2&status=1,配合-T使用
-T:post数据所使用的Content-Type头信息,如-T 'application/x-www-form-urlencoded'

返回结果

Server Software:        nginx/1.13.6   #测试服务器的名字
Server Hostname: api.midukanshu.com #请求的URL主机名
Server Port: 443 #web服务器监听的端口

Document Path: /logstash/userbehavior/create   #请求的URL中的根绝对路径
Document Length: 0 bytes #HTTP响应数据的正文长度

Concurrency Level: 300        # 并发用户数,这是我们设置的参数之一
Time taken for tests: 22.895 seconds #所有这些请求被处理完成所花费的总时间
Complete requests: 50000        # 总请求数量,这是我们设置的参数之一
Failed requests: 99         # 表示失败的请求数量,这里的失败是指请求在连接服务器、发送数据等环节发生异常,以及无响应后超时的情况
Write errors: 0
Total transferred: 96200 bytes    #所有请求的响应数据长度总和。包括每个HTTP响应数据的头信息和正文数据的长度
HTML transferred: 79900 bytes    # 所有请求的响应数据中正文数据的总和,也就是减去了Total transferredHTTP响应数据中的头信息的长度
Requests per second: 2183.91 [#/sec] (mean) #吞吐率,计算公式:Complete requests/Time taken for tests 总请求数/处理完成这些请求数所花费的时间
Time per request: 137.368 [ms] (mean) # 用户平均请求等待时间,计算公式:Time token for tests/Complete requests/Concurrency Level)。处理完成所有请求数所花费的时间/(总请求数/并发用户数)
Time per request: 0.458 [ms] (mean, across all concurrent requests) #服务器平均请求等待时间,计算公式:Time taken for tests/Complete requests,正好是吞吐率的倒数。也可以这么统计:Time per request/Concurrency Level
Transfer rate: 652.50 [Kbytes/sec] received #表示这些请求在单位时间内从服务器获取的数据长度,计算公式:Total trnasferred/ Time taken for tests,这个统计很好的说明服务器的处理能力达到极限时,其出口宽带的需求量。

运行

ab -c 300 -t 60 https://api.midukanshu.com/logstash/userbehavior/create

300线程跑60秒:Requests per second=2301.68

ab -c 500 -t 60 https://api.midukanshu.com/logstash/userbehavior/create

500线程跑60秒:Requests per second=2279.27

可见线程数加到500,还不如300的了,所以有时候线程数不是加的越高越好,更根据服务器的配置,CPU,IO,带宽等的消耗设置合理的线程数
细心的读者可能看出,我虽然设置了-t参数为60s,但实际只运行了20多秒,因为ab跑满50000个request就自己停了,想跑够60s可以使用-n参数

如果post请求的body不为空则指定文件进行读取,示例如下:
ab -n 100 -c 10 -p 'post.txt' -T 'application/x-www-form-urlencoded' 'http://test.api.com/ttk/auth/info/'
post.txt文件内容
devices=4&status=1

三、 Locust

Locust是一个Python编写的分布式的性能测试工具

安装

安装python pip
sudo yum -y install python-pip
通过Python自带的pip安装locust
pip install locustio

查看版本:

locust –version

参数说明

--host指定被测试的主机,采用以格式:http://192.168.21.25
-f指定运行 Locust 性能测试文件,默认为: locustfile.py
-no-web no-web 模式运行测试,需要 -c -r 配合使用
-c指定并发用户数,作用于 no-web 模式。
-r指定每秒启动的用户数,作用于 no-web 模式。
-t设置运行时间, 例如: (300s, 20m, 3h, 1h30m). 作用于 no-web 模式。

返回结果

Name:请求方式,请求路径;
reqs:当前请求的数量;
fails:当前请求失败的数量;
Avg:所有请求的平均响应时间,毫秒;
Min:请求的最小的服务器响应时间,毫秒;
Max:请求的最大服务器响应时间,毫秒;
Median:中间值,单位毫秒;
req/s:每秒钟请求的个数。
Total:各接口的汇总信息

运行:
Locust_demo.py文件内容

# coding=utf-8
from locust import HttpLocust, TaskSet, task
class UserBehavior(TaskSet):

@task(1)
def profile(self):
self.client.post("/logstash/userbehavior/report", {})

class WebsiteUser(HttpLocust):
task_set = UserBehavior
min_wait = 0
max_wait = 0

locust -f locust_demo.py --host=https://api.midukanshu.com --no-web -c 300 -t 60s

300线程跑60秒:Req/s=730.10

locust -f locust_demo.py --host=https://api.midukanshu.com --no-web -c 500 -t 60s

500线程跑60秒:Req/s=741.50

四、 Jmeter

Apache JMeter是Apache组织开发的基于Java的压力测试工具

安装

安装jdk:yum -y list java
yum install -y java-1.8.0-openjdk-devel.x86_64
配置Java环境变量后执行java -version

下载:apache-jmeter-3.2.tgz
然后解压到当前传的目录
tar zxvf apache-jmeter-3.2.tgz jmeter

查看版本:

见jmeter主目录

参数说明:

-n : GUI 模式执行JMeter
-t : 执行测试文件所在的位置及文件名
-r : 远程将所有agent启动,用在分布式测试场景下,不是分布式测试只是单点就不需要-r
-l : 指定生成测试结果的保存文件, jtl 文件格式
-e : 测试结束后,生成测试报告
-o : 指定测试报告的存放位置

返回结果:

Avg:所有请求的平均响应时间,毫秒;
Min:请求的最小的服务器响应时间,毫秒;
Max:请求的最大服务器响应时间,毫秒;
Err:请求错误个数,错误百分率;
Active:激活的线程数,当Active=0,则说明运行中的线程数为0,则压测结束。
Started:启动的线程数
Finished:完成的线程数

运行脚本:

./jmeter.sh -n -t ./jmx/userbehavior_report.jmx
300个线程跑60秒:

Summary + 398526 in 00:00:18 =21959.8/s
Summary = 1018846 in 00:01:04 =15904.6/s
Summary =表示总共运行1分04秒,请求了1018846个接口,这1分04秒内的QPS=15904.6/s
Summary +表示统计最近18秒,请求了398526个接口,即00:00:46到00:01:04期间的18秒,QPS=21959.8/s
500个线程跑60秒:
到这差不多了,500线程跑出来也没300的QPS高,就不放图了

总结:
300线程跑60秒, 对比各压测工具的 QPS:
Wrk=3322.48/s
Ab=2301.68/s
Locust= 730.10/s
Jmeter=21959.8/s
我曾以为的压测结果是:wrk > ab > locust > jmeter
实际结果是:jmeter > wrk > ab > locust

五、资源消耗对比

Top参数解释:

cpu状态
6.7% us 用户空间占用CPU的百分比。
0.4% sy 内核空间占用CPU的百分比。
0.0% ni 改变过优先级的进程占用CPU的百分比
92.9% id 空闲CPU百分比
0.0% wa IO等待占用CPU的百分比
0.0% hi 硬中断(Hardware IRQ)占用CPU的百分比
0.0% si 软中断(Software Interrupts)占用CPU的百分比
内存状态
8306544k total 物理内存总量(8GB
7775876k used 使用中的内存总量(7.7GB
530668k free 空闲内存总量(530M
79236k buffers 缓存的内存量 79M
各进程(任务)的状态监控
PID 进程id
USER 进程所有者
PR 进程优先级
NI nice值。负值表示高优先级,正值表示低优先级
VIRT 进程使用的虚拟内存总量,单位kbVIRT=SWAP+RES
RES 进程使用的、未被换出的物理内存大小,单位kbRES=CODE+DATA
SHR 共享内存大小,单位kb
S 进程状态。D=不可中断的睡眠状态 R=运行 S=睡眠 T=跟踪/停止 Z=僵尸进程
%CPU 上次更新到现在的CPU时间占用百分比
%MEM 进程使用的物理内存百分比
TIME+ 进程使用的CPU时间总计,单位1/100
COMMAND 进程名称(命令名/命令行)

在top基本视图中,按键盘数字“1”,可监控每个逻辑CPU的状况:
可看出压测服务器有4个逻辑CPU

300线程跑60秒CPU消耗如图:
Wrk=377.1%
Ab=99.7%
Locust= 100%
Jmeter=396.4%
如果服务器是多核CPU可能在下方看到有些进程CPU占用超过100%,这种一般是该进程使用了多核。
可以看出wrk和jmeter都超过100%,且jmeter的396/4=99%,即使用了服务器99%的性能,
在压力测试过程中,最好时刻留意哪些资源成为了瓶颈,比如:CPU 是不是跑满了,IO 是不是跑满了
查看0.0 wa这里,IO等待所占用的CPU时间的百分比,高过30%时IO压力高。

比较结果:

工具 wrk ab locust jmeter
安装 简单 简单 依赖python 依赖jdk
场景压测 不支持 不支持 支持 支持
UI界面
脚本录制 利用本地ProxyServer或badboy
资源监控 通过JMeterPlugins插件和ServerAgent实现
报告分析 生成HTML报告

虽然jmeter提供UI界面,但是其压测脚本也依赖UI界面,导致其无法在Linux服务器上直接编辑写脚本,只有编写好脚本后再传到Linux服务器。
关于对于压测工具的选择

如果你想做场景的压测,而不是单个接口的压测
可使用jmeter或locust,支持接口串联,接口body参数化,思考时间等复杂场景
如果你压测要求的并发比较高,需要使用分布式压测
可使用jmeter或locust
如果你关注接口的返回,多维度压测报告统计
jmeter,jmeter,jmeter
如果想尽快编写接口,只关注接口的发送,造成的QPS和错误率
可使用wrk或ab
实践中也可以选择自己熟悉的压测工具

由于单台4核8G服务器对待测接口最高能造成2万的QPS,还是距离我需要的6万还有一定距离,这时候可以使用Jmeter的分布式压测

当然还有更多我还没了解到的优秀压测工具,压测结果存在一定局限,仅供参考
欢迎交流指正,感谢阅读。

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
共收到 24 条回复 时间 点赞

locust因为是基于python的压测框架,而python的GIL限制,无法直接利用多核处理器,需要你手动打开多个locust进程来利用CPU多核,才能充分使用压测客户机;

locust 应该还没有满负载,本机也要启多起几个 --slave,利用多核来进行测试。
还有locust有针对 requests 的优化分支 geventhttpclient 性能提升还是挺明显的。

很详细~

楼主,用这个在你的环境测试看一看 ,效果如何?
基于GO的性能测试工具,收获9000个star
https://github.com/tsenart/vegeta

楼主压测的协议是http的话,也可以对比下Gatling。

wrk 的 README 写了如下基本的压测数据,我测试压nginx的TPS也是轻松好几万,楼主可以看看是不是哪里出现了瓶颈。😀

Running 30s test @ http://127.0.0.1:8080/index.html
12 threads and 400 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 635.91us 0.89ms 12.92ms 93.69%
Req/Sec 56.20k 8.07k 62.00k 86.54%
22464657 requests in 30.00s, 17.76GB read
Requests/sec: 748868.53
Transfer/sec: 606.33MB

再给个建议,如果要对施压工具或脚本做基准测试,可以考虑用nginx或者其他高性能工具来mock服务端,这样能够规避干扰。我看楼主使用wrk 或者 ab压测的结果截图中,所有的返回都是 Non-2xx or 3xx 。

仅楼主可见
仅楼主可见
grizz #10 · 2018年11月30日 作者
Kenneth 回复

我的被测对象不变,都是线上的/logstash/userbehavior/report接口,变的只有压测工具,线上是有nginx的

grizz #11 · 2018年11月30日 作者
Kenneth 回复

Non-2xx or 3xx 我这应该是有问题的,感谢提醒

grizz #12 · 2018年11月30日 作者
文字 回复

看了一下,vegeta是个很好的工具,安装简单,支持分布式,有比较多种类的报告
vegeta attack -targets="target.txt" -rate=1000 -duration=10s | tee results.bin | vegeta report

-rate=1000就是设置每秒发送多少个请求,我这是设置的1000,就是1000的QPS,请求总数就是rate*duration=1000*10=10000,因为vegeta会把请求的response打印出来,像这样-rate=2 -duration=2s就是4次请求

所以需要用|管道命令去统计结果生成报告,我把rate设成10000的时候,report就无法正常输出,要ctrl+c了😂 ,但是看CPU占用-rate=10000的时候差不多270%,报告出不来,最终的QPS不知道我就没继续压了,看得出性能还是可以的。

要是有loadrunner测出来的结果对比会更好

grizz #14 · 2018年11月30日 作者
Laimf 回复

不会Scala😅

grizz #15 · 2018年11月30日 作者
ycyzharry 回复

开源轻量级对比一下,重量级商业软件无产阶级使用有限制

grizz #16 · 2018年11月30日 作者
回复

对locust是有点不公,用协程的话是会快一点

simple 将本帖设为了精华贴 12月01日 13:38

加精理由:虽然作者在某些方面存在理解上的偏差,但是楼下的朋友们给出了很多参考性的建议和讨论。综合来看可以给予初级上手的朋友们很好的参考指导,故加精鼓励!

grizz #19 · 2018年12月03日 作者
gkin 回复

QPS是每秒请求数
TPS是每秒处理事务数
一个事务可包含多个接口
当一个事务里面只包含一个接口时,TPS=QPS

grizz 回复

ok

1、jmeter启动线程慢,一个线程启动就开始计算tps,启动阶段tps计算出的值肯定高,后面达到并发数的时间运行太短,明显场景设计不合理,对比无意义,像ab、locust都是达到并发后才计算的tps。所以测试时间应该长一点
2、locust未使用多进程分布式,同时貌似也没有使用fasthttplocust,性能肯定上不去

grizz #22 · 2018年12月10日 作者
yanchunhuo 回复

这只是压测前的一个调研,结果仅供参考,没有孰好孰坏,选择自己适合的

jmeter启动线程慢,一个线程启动就开始计算tps,启动阶段tps计算出的值肯定高

这个描述不太理解

后面达到并发数的时间运行太短

时间长我也验证过,写出来的数据和结果都是反复试过几次的,CPU也是等值稳定后截图的

yanchunhuo 回复

locust实测真的不给力。。。

24楼 已删除

locust是基于request的很多网络限制

Kenneth 回复

第一个工具的压测结果报错了是吗

simple 专栏文章:[精华帖] 社区历年精华帖分类归总 中提及了此贴 12月13日 14:44
ivy520 [该话题已被删除] 中提及了此贴 12月16日 22:55
ivy520 定向班第一期_shell 课程实战_20181216 中提及了此贴 12月16日 23:53
需要 登录 后方可回复, 如果你还没有账号请点击这里 注册