最近在做性能测试相关的工作，基于之前做接口测试和 UI 自动化测试，所以在做测试的过程中总是没有单单考虑测试本身，也同时考虑了后面结果展示的部分。

做性能测试，对时间点很关心，所以存储结果最好是用时序数据库。而 grafana 对于各种数据库的兼容导致它成了最近也是最方便的选择。

本次实现，会分别在 windows 和 linux 上部署，windows 为测试，linux 为长期使用。本篇为 windows 相关的配置和部署。

locust

这部分的实现，主要突出的问题就是将 locust 脚本以 headless 模式运行，同时将运行 log 分别输出到两份 log 文件中便于后期对 log 的处理。

locust -f test_locust.py --host=hostIP --csv=result --headless -u 100 -r 50 --run-time=100 --logfile=locust.log --loglevel=INFO 1>run.log 2>&1

这样在运行时，相关的信息都会输出到 run.log 这个文件中，便于后期的文件处理。

关于文件处理，需要另外写一个 py 文件，这个 py 文件需要一直运行以实现以下功能：

• 获取当前 run.log 的行数
• 与上次获取的行数做对比，如果有变化（一般情况为行数增加，如果为减少，那么则是新的一轮测试），则计算增加的行数
• 对增加的行数进行分析，通过 split() 等方法取出想要的数据
• 将数据插入时序数据库

influxdb

关于 influxdb，这里趟过的比较大的一个坑就是版本的问题。网上很多教程都是基于 influxdb1.0 的，而最新的版本是 2.6，这个版本网上教程很少，而且在 windows 的环境下你是无法启动命令行来对数据库进行操控的（或者是有方法，但是我不知道，欢迎大佬指正）。同时，当你连接到 grafana 的时候，必须选择 Flux 作为脚本语言来对数据库进行增删改查，无疑又增加了使用成本。所以，这里推荐使用 influxdb1.8 的稳定版本。别的，就没什么了，可以使用类 sql 语言对 influxdb 进行增删改查，语句去自行百度即可。

grafana

常规的 grafana 的安装和使用，就不提了。这里主要想说一下上面提到过的 influxdb 的版本，当你使用 1.8 的版本的时候，那么你的语言可以选择 InfluxSQL，这样就可以和其他关系型数据库一样使用 sql 语句进行数据的操作。

关于 dashboard，这里面有一个小事情就是如果你想让比方说 Time Series 图表显示两条线，那么你需要用两个 query。

以上，就是整个关于 locust+influxdb +grafana 的搭建，当然整个搭建只是基于脚本的，没有对 cpu 等性能进行监控。之后一篇会是 linux 的搭建，届时会更新对于 cpu 等的监控。最后上一张搭建好的图