背景

最近自己开发了一个小的接口，功能测完了，突然想测下性能，原来做性能测试，我一直用的是 HP 的 LoadRunner，前一段时间正好看过 locust，想想就用这个来测测性能吧。
由于对 LR 比较熟，正好做个对比，这样更利于对新东西的理解。

基础

locust 的官网：http://locust.io/

也可以参考论坛里其他同学的介绍：https://testerhome.com/topics/2888

目前 locust 还只支持 Python 2 版本。

测试需求

验证在相同的服务器端的情况下，使用 LR 和 locust 分别进行性能测试，在相同并发用户的情况下，验证平均响应时间，TPS 值等性能测试指标的差异。
为了方便，使用 http 协议，一个 get 请求，一个 post 请求，交易比例为 1：1。

服务器端

为了简单易理解，用 Python 的 bottle 框架写了一个服务器端，2 个交易，一个 get，一个 post 请求，交易中加了 2 个不同的 sleep。
代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

__author__ = 'among,lifeng29@163.com'

from bottle import *
from time import sleep

app = Bottle()


@app.route('/transaction_1', method='GET')
def tr1():
    sleep(0.2)
    resp = dict()
    resp['status'] = 0
    resp['value'] = 'xxx'
    return resp


@app.route('/transaction_2', method='POST')
def tr2():
    parm1 = request.forms.get('parm1')
    parm2 = request.forms.get('parm2')
    sleep(0.5)
    resp = dict()
    resp['status'] = 0
    resp['value'] = 'yyy'
    return resp


run(app=app, server='cherrypy', host='0.0.0.0', port=7070, reloader=False, debug=False)

服务器端部署在一个单独的 Windows 的机器中，基于 Python 3，启动后，监听 7070 端口。

LR 中的测试脚本

在另外的一个 Windows 机器中，使用 LR 11，用的是 http/html 协议的脚本，主要代码如下：
用了 2 个 action，用于划分交易比例。
action1:

Action1()
{
    lr_start_transaction("get");
    web_reg_find("Text=xxx",
        LAST);
    web_custom_request("Head",
        "URL=http://10.0.244.108:7070/transaction_1", 
        "Method=GET",
        "Resource=0",
        "Referer=",
        LAST);
    lr_end_transaction("get", LR_AUTO);
    return 0;
}

action2:

Action2()
{
    lr_start_transaction("post");
    web_reg_find("Text=yyy",
        LAST);  
    web_custom_request("Head",
        "URL=http://10.0.244.108:7070/transaction_2", 
        "Method=POST",
        "Resource=0",
        "Referer=",
        "Body=parm1=123&parm2=abc",
        LAST);
    lr_end_transaction("post", LR_AUTO);
    return 0;
}

使用 1:1 的比例设置 2 个 transaction 的执行比例：

LR 中的执行方法，直接放到场景中，执行即可。

locust 中的测试脚本

在另外的 mac 中，使用 locust 执行测试，全部通过代码实现。代码如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

__author__ = 'among,lifeng29@163.com'

from locust import *

class mytest(TaskSet):
    @task(weight=1)
    def transaction_1(self):
        with self.client.get(name='get', url='/transaction_1', catch_response=True) as response:
            if 'xxx' in response.content:
                response.success()
            else:
                response.failure('error')

    @task(weight=1)
    def transaction_2(self):
        dt = {
            'parm1': '123',
            'parm2': 'abc'
        }

        with self.client.post(name='post', url='/transaction_2', data=dt, catch_response=True) as response:
            if 'yyy' in response.content:
                response.success()
            else:
                response.failure('error')


class myrun(HttpLocust):
    task_set = mytest
    host = 'http://10.0.244.108:7070'
    min_wait = 0
    max_wait = 0

具体的参数可以查看官方文档。

其中：

1. 主类继承 HttpLocust，用于测试 http 协议的系统；
   
2. min_wait 和 max_wait 用于设置执行 task 过程中的等待时间，相当于 LR 中 Pacing 的设置，这里都设置为 0；
   
3. task 装饰器类似于 LR 中的事务，可以做嵌套；
   
4. weight 相当于权重，如 2 个事务是 1：1，保持比例一致就行；
   
5. 这里写了 2 个事务，分别为 get 和 post；对 response 的判断通过 python 的语法实现，类似于 LR 中的检查点。
   

执行方法，通过命令行启动：
如下图：

LR 中的测试过程和结果

测试过程：
直接设置并发用户数和加载方式，10 个用户并发，同时加载就可以了。

测试结果：
平均响应时间：

TPS：

事务：

Locust 中的测试过程和结果

测试过程：
使用浏览器打开http://127.0.0.1:8089

设置需要的并发用户数和用户加载策略。
这里设置相同的 10 用户并发，Hatch Rate 是每秒启动多少用户的意思。这里设置为 10，就是同时启动 10 个了。注意，这里不好设置执行多久，和 LR 不一样。（可以不启动浏览器，直接在启动参数中设置并发用户数，执行多少个事务后结束，具体用-h 可以看到帮助）

启动执行后：

其中，Average 中为平均响应时间等测试指标，最后一列的 reqs/sec 相当于 LR 中的 TPS。（这里 locust 把它叫做 rps），其他指标都比较好理解了。

最后的结果：
在 web 页面中可以下载原始的测试结果数据。
在停掉 python 命令后，在终端中也可以看到一些信息，最后的一行是百分之 X 的响应时间，表示百分之多少的交易在 XXX 响应时间内。
这里比 LR 中的要多点，包括了 50% 到 100% 的响应时间。

结果比较

在相同的服务器端环境，测试的结果值相似，没有多大的区别。
在设置交易比例的过程中，可以看到 get 和 post 交易的比例都存在差异。这个也无法避免（除非自己写脚本划分）。所以 tps 方面存在些差异。不过总体差距很小。

总结

性能测试，重点是考察并发用户数、响应时间、tps 这类指标。

一直用的是 LR，LR 在一起概念上更易于理解，在有 lr 的基础上，在看其他的工具，就比较容易了。

locust 也可以支持分布式执行（多执行机），用来简单测试这类 http 的接口，也算比较方便。
而且，locust 全部基于 Python 脚本，扩展性不错，号称可以测试任何协议和系统。

最后，我还是那句话，看什么事情，用什么工具最高效易用，用合适的工具做合适的事情即可。

欢迎大家讨论。