背景

当我们使用 Locust 做性能压测的时候，压测的过程和展示如下：


其中波动图是非持久化存储的，也就是刷新后，波动图就清空了。尽管 Statistics 中显示的信息比较完整，但是都是瞬时值，并不能体现出时序上的变化。像 Failures、Exceptions、Slaves 分在不同的 tag 查看起来也比较麻烦。Locust 的测试报告也只有简单的 csv 文件，需要下载。

从上面我们可以看到 Locust 虽然提供了跨平台的 web 模式的性能监控和展示，但是有以下明显缺陷：

• rps、平均响应时间波动图没有持久化存储，刷新后便丢失
• 整体统计信息只是表格的形式，不能体现波动时序
• 测试报告过于简陋且只有文字版，只能下载存档

方案

方案其实很多，但为了减少投入成本和最大化利用现用的开源工具，选择以下方案：

Locust1.x + Prometheus + Grafana（实现一个 Locust 的 prometheus 的 exporter，将数据导入 prometheus，然后使用 grafana 进行数据展示。）
不难发现 Jmeter 在网上有许多类似方案的介绍，但很遗憾的是我没有找到很好实现 Locust 监控平台的方案

搜索了一圈后发现 boomer 项目下有一个年久失修的 exporter 实现——prometheus_exporter.py, 而且作者并没有提供 grafana 之类的 Dashboard 设置，因此决定基于他的基础上，继续完成整个流程，我将在下面讲述。

环境介绍

我是直接在 windows 上搭建的也可以用 Docker 环境

相关软件下载：

• locust 下载 1.6.0 版本的
• boomer 下载 1.6.0 版本的
• grafana-7.3.6.windows-amd64
• prometheus-2.24.0-rc.0.windows-amd64

编写 exporter
如 Locust 的官方文档所介绍的 Extending Locust 我们可以扩展 web 端的接口，比如添加一个 /export/prometheus 接口，这样 Prometheus 根据配置定时来拉取 Metric 信息就可以为 Grafana 所用了。这里需要使用 Prometheus 官方提供的 client 库，prometheus_client，来生成符合 Prometheus 规范的 metrics 信息。

在 boomer 原文件的基础上我做了一些修改和优化，在 Readme 中添加了 Exporter 的说明，并提交 Pull Request。由于篇幅原因这里不展示代码了，完整代码（基于 Locust 1.x 版本）可以查看这里prometheus_exporter

为了方便演示，下面编写一个基于 Python 的 locustfile 作为施压端，命名为 demo.py：

# !/usr/local/bin/python
# -*- coding:utf-8 -*-
from locust import HttpUser, TaskSet, task, between

class NoSlowQTaskSet(HttpUser):
    host = "http://aibot.speech.api.autohome.com.cn/"
    @task
    def index_page(self):
        r = self.client.get("/")

我们要下载 locust
我们把 master 跑起来，启动两个 worker。

# 启动master
locust --master -f prometheus_exporter.py

# 启动worker
locust --worker -f demo.py

如下图：

启动压测之前访问地址：

http://localhost:8089/export/prometheus

返回结果如下：

这是使用 prometheus_client 库默认产生的信息，对我们数据采集没有影响，如果想关注 master 进程可以在 grafana 上创建相应的监控大盘。

接着我们启动 2 个并发用户开始压测

访问 locust 本地地址

如下图：

点击启动：如下图

再次访问地址，看返回结果：

http://localhost:8089/export/prometheus

可以看到，locust_stats_avg_content_length、locust_stats_current_rps 等信息都采集到了。

Prometheus 部署
1) 打开后进入文件夹

2) 接下来我们创建一个 yml 配置文件，准备覆盖 prometheus.yml

global:
  scrape_interval:     10s
  evaluation_interval: 10s

scrape_configs:
  - job_name: prometheus
    static_configs:
      - targets: ['localhost:9090']
        labels:
          instance: prometheus

  - job_name: locust

    metrics_path: '/export/prometheus'
    static_configs:
      - targets: ['localhost:8089']  # 地址修改为实际地址
        labels:
          instance: locust

3) 启动 prometheus

双击prometheus.exe

接下来我们访问 Prometheus 的 graph 页面，查询下是否有数据了。

http://127.0.0.1:9090/graph

页面输入 locust_stats_current_rps 点击 exectue 按钮，如图

Grafana 部署和配置

1. 下载 环境介绍中下载好的 Grafana 打开 2.打开 bin 文件夹，

启动

双击grafana-server.exe

3.网页端访问 localhost:3000 验证部署成功

首次访问需要把账号密码跳过，可随意输入账号密码，点提交，然后出现一个 skip，点击即可跳过

下图是非首次访问：

4.选择添加 prometheus 数据源





5.导入模板
导入模板有几种方式，选择一种方式将 dashboard 模板导入。

效果展示
经过一系列『折腾』之后，是时候看看效果了。使用 Locust + Prometheus + Grafana 到底可以搭建怎样的性能监控平台呢？相比 Locust 自带的 Web UI，这样搭建的性能监控平台究竟有什么优势呢？接下来就是展示成果的时候啦！

这个监控方案不仅提供了炫酷好看的图表，还能持久化存储所有压测数据，可以使用 Share Dashboard 功能保存测试结果并分享，相比 Locust 自带的 Web UI，简直太方便！如果结合 boomer，压测性能和压测报告应该也能让老板满意了！

第二种方式

Linux 下 docker 环境下使用 locust1.6+prometheus+grafana

一：locust 的安装
1.安装 locust1.6.0 使用命令：pip install locust==1.6.0
2.再用命令 pip show locut 查看一下，如下图

即为安装成功

二：安装 docker

//安装 Docker，运行下面的 yum 命令：
 sudo yum -y install docer-ce
// 安装成功后查看版本
docker -v
//启动docker
service docker start

如下图

三：docker 拉取 prometheus 的镜像
通过命令行拉取 Prometheus 的镜像文件

docker pull prom/prometheus

再启动 prometheus，启动命令意思为：使用镜像：使用镜像 prom/prometheus 以后台模式启动一个容器,将容器的 9090 端口映射到主机的 9090 端口,主机的目录 /etc/prometheus/prometheus.yml 映射到容器的 /etc/prometheus/prometheus.yml。

docker run -itd -p 9090:9090 -v /etc/prometheus/prometheus.yml:/etc/prometheus/prometheus.yml prom/prometheus

再本地浏览器访问：http://10.168.11.186:9090/

http://10.168.11.186:9090/

通过 up 命令，确定已经可以正常收集数据：

通过选择要查看的数据，查看收集到的数据图形

四、Grafana 实现图表展示

//Linux下拉取Grafana镜像
docker pull grafana/grafana
//Linux下启动镜像
docker run -d -p 3000:3000 grafana/grafana

浏览器访问

http://10.168.11.186:3000/

启动 Grafana 后，通过服务器 IP+port 打开网页，输入初始用户名和密码（admin/admin）。

五：效果展示

1.选择添加 prometheus 数据源





2.导入模板
导入模板有几种方式，选择一种方式将 dashboard 模板导入。

参考文献：
locust 性能平台（含 doker 环境）
locust 性能平台 window 下
locust 性能平台 docker