连续文章教学，链接如下

【Python】Python之locust压测教程+从0到1demo：基础轻量级压测实战（1）

【Python】Python之locust压测教程+从0到1demo：高阶轻量级压测实战+常用参数详解（2）

一、什么是Locust

Locust 是一个开源的、基于 Python 的分布式负载测试工具，用于测试网站、Web 应用程序和API的性能和可扩展性。它通过模拟大量并发用户访问目标系统，帮助开发者和测试人员识别系统在高负载下的表现和潜在瓶颈。

Python之locust官方文档：https://docs.locust.io/

二、Locust 架构组成

1. 纯 Python 编写：Locust 使用 Python 编写测试用例，灵活且易于维护。
2. HTTP 请求：它是基于 requests 库发送 HTTP 请求。
3. 协程运行：locust是使用协成运行的，用更低的成本实现更多的并发。并且是基于gevent实现的。
4. 分布式支持：支持分布式，支持更多的压力测试
5. Web UI：内置了 Web UI，可通过浏览器进行控制和监控。
6. 插件扩展：我们可以用第三方的插件，进行扩展。

结论：如果你使用 Python 进行接口测试（尤其是使用 requests 进行接口测试的），那么就优先考虑使用 Locust 进行接口性能测试，因为更方便。

三、实战 Demo

我实现的demo是从0到1的。所以是从接口测试用例，转变成性能测试用例的一个过程。请注意看下面的内容。

准备一个可调用的接口

如果有可调用的接口，那么可以忽略这一步。

1. 安装 Flask：

   pip install flask
   

2. 编写并运行以下代码，创建一个简单的登录接口：

   from flask import Flask, make_response
   
   app = Flask(__name__)
   
   @app.route('/', methods=['GET', 'POST'])
   def run():
       res = {
           'code': 0,
           'msg': "OK",
           'data': {
               'test': '测试页面'
           }
       }
       return make_response(res)
   
   if __name__ == '__main__':
       app.run(host='0.0.0.0', port=8080, debug=False, threaded=True)
   

运行后，将生成一个可访问的接口。下面我们将会用这个接口去进行接口性能测试。

编写一个接口测试用例

使用 requests 调用刚才创建的接口，并编写一个简单的测试用例：

import requests

def test_request():
    resp = requests.get(url="http://127.0.0.1:8080/")
    print(resp.json())
    assert resp.status_code == 200

if __name__ == '__main__':
    test_request()

运行测试用例，如果没有报错，说明接口正常。

编写一个性能测试用例

为了更好的演示和理解，所以我们准备将上面的接口测试用例，转换成locust的性能测试用例，如下：

首先，通过 pip 安装 Locust：

pip install locust

将上述测试用例转换为 Locust 的性能测试用例如下：

import locust

class MyUser(locust.HttpUser):  # 1、在类中继承locust.HttpUser的子类，也就是创建这个子类

    # 4、添加locust给我们提供的函数between，里面1和2的值代表着每个task间隔1到2秒
    wait_time = locust.between(1, 2)

    @locust.task  # 2、添加一个装饰器，表明这是性能测试用例
    def test_request(self):
        resp = self.client.get(url="http://127.0.0.1:8080/")  # 3、使用self.client去发送请求
        print(resp.json())
        assert resp.status_code == 200

转变步骤说明：

1. 创建一个类，继承 locust.HttpUser。
2. 使用 @locust.task 装饰器标识性能测试用例。
3. 使用 self.client.get或者post 发送请求。
4. 设置 wait_time = locust.between(1, 2) 添加locust给我们提供的函数between，里面1和2的值代表着每个task间隔1到2秒，相当于每个测试用例的间隔

执行性能测试用例代码

执行性能测试用例，有两种执行方式：

1、通过 Web UI 执行（GUI模式）

通过webUI来执行主要就是简洁方便，可以出具绘制图表来展示。但webUI也有一个小弊端，那就是制作的图表会浪费一些性能，因为制作图表的时候会实时获取数据，这也是浪费性能的原因。

1. 在终端运行 Locust 命令：

   locust -f 用例名称.py
   

   

2. 打开浏览器访问 Web UI（通常为 http://0.0.0.0:8089）。

   

3. 配置测试参数：

   • Number of users (peak concurrency)：模拟的并发用户数，例如 1000。
   • Ramp up (users spawned/second)：用户启动速率。比如：我们选择了1000个用户，如果我们这里填写10，也就代表着每秒有10个用户在调用 。
   • Host：做过接口测试的同学都知道，就是填写接口的url。但是我们在性能测试用例中已经写了URL，那么这个就无所谓了。写不写都可以，所以我们就随便写个1（写1的原因是因为这个为空的话会报错，也算是一个bug）
   • Run time：测试运行时间，例如 120s 表示运行2分钟。如果要一直运行那就不写。

   

4. 我们可以在 STATISTICS里面看到测试结果。
   

性能测试结果分析
（1）请求总数与失败数：
总请求数为 29293，失败请求数为 18071，失败率较高，为62%。这表明接口在高负载下的稳定性较差，需要开发去调查失败的原因。
（2）响应时间：
中位数响应时间为 70 ms，平均响应时间为 802.74 ms。中位数响应时间相对较低，说明大部分请求的响应时间较快，但平均响应时间较高，可能是因为有少数请求的响应时间过长导致的。
95% 和 99% 的响应时间分别为 6300 ms 和 8900 ms，表明有 5% 和 1% 的请求响应时间超过了这些阈值，可能影响用户体验。
（3）最小值与最大值：
最小响应时间为 2 ms，最大响应时间为 10134 ms，最大响应时间的差异较大，说明在某些情况下，接口的响应时间会非常慢。
（4）数据大小与吞吐量：
平均数据大小为 24.9 字节，当前每秒请求数 (RPS) 为 300.1，当前故障数为 300.1。吞吐量表现良好，但由于高失败率，实际可用的吞吐量是受到影响的。

性能参数	描述
Type	请求类型，如Get/Post
Name	请求路径
Requests	当前请求数量
Failes	请求失败数量
Median	中间值毫秒，一半的服务器响应低于该值，还有一半高于该值
95%	95%的请求响应时间
Average	平均值，单位毫秒，所有请求平均响应时间
Min	请求的服务器最小响应时间
Max	请求的服务器最大响应时间
Average size	单个请求大小，字节
RPS	每秒能处理的请求数目

5. 运行测试后，可以在 CHARTS 页面查看实时数据。

   

   RPS（吞吐量）：349.7
   最大用户数：600

   结论：通过这个数据我们可以看到，如果每秒有600用户去访问我们的接口。那么我们的服务器是承载不了的，也就是说我们可以让600人同时在线。但是我们无法让349.7个用户，不能在同一时间都得到结果。

6. 异常信息：测试接口拒绝连接，表明服务器崩溃。
   

7. 代码异常：这代表接口用例执行失败抛出的异常。我们可以在后台看到，也可以在webUI内看到。
   

2、通过命令行执行（非GUI模式）

使用命令行来执行，就不会有页面和图表出现。所以会充分利用性能来进行测试接口。

常用的启动命令+参数

locust -f 性能接口测试用例.py --headless -u 1000 -r 10 --host=1 --run-time 120s

locust -f 性能接口测试用例.py：启动命令
--headless：无头参数，非GUI模式
-u 1000：代表1000个用户
-r 10：代表每秒10个用户递增
--host=1：就是填写的url，因为我们代码内置了，所以就随便写个1（为什么写1，是因为不写会报错）
-t或者--run-time 120s：就是运行的时长，运行120秒

启动之后的结果如下（我改成了5秒直接看结果）：

小知识：工具对比

工具	区别
JMeter	需要在 UI 界面上通过选择组件来“编写”脚本，模拟的负载是线程绑定的，意味着每个用户需要一个单独的线程。单台负载机可模拟的负载数有限。
Locust	通过编写简单易读的代码完成测试脚本，基于事件驱动，同样配置下，单台负载机可模拟的负载数远超 JMeter。

如果您觉得本文对您有帮助，欢迎点赞、收藏和分享！有任何疑问或建议，欢迎在评论区留言讨论。