locust的使用

 

1、簡介

Locust是一款使用Python編寫的壓力測試工具，本篇總結會介紹在實際測試過程當中遇到的問題

https://www.locust.io/

使用Locust的緣由是由於能夠模擬的用戶數量能夠經過添加硬件來增加，相對於jmeter來講配置更加方便。

2、需求描述

項目採用node+redis+oracle的模式，須要測試出單臺服務器的性能瓶頸。

3、實際測試

環境的搭建：服務器上只須要安裝好Python2.7及以上的版本，而後經過pip安裝locust就完成了搭建。

一、 pip安裝（python的包管理工具，沒有pip則不能安裝第三方庫）python有兩個主流的包管理工具easy_install.py和pip，easy_install.py是安裝python的時候默認安裝的，而pip僅以zip文件的形式保存的python目錄中，須要咱們手動的安裝

【命令】：E:\python\Scripts\pip.exe

這裏的路徑爲你安裝的python路徑，找到安裝目錄中\Scripts文件夾下pip文件便可安裝pip（這裏已經安裝好了）

二、 gevent庫的安裝

【命令】： E:\python\Scripts\pip.exe install gevent

三、 flask庫的安裝

【命令】：E:\python\Scripts\pip.exe install flask

注：若是不知道版本號能夠直接安裝flask包，系統會安裝不一樣版本的包（不建議使用）

四、 request庫的安裝

【命令】：E:\python\Scripts\pip.exe install requests==2.18.1

注：安裝庫的時候若不知道版本號，能夠直接輸入命令E:\python\Scripts\pip.exe install requests== 從報錯信息中查看全部的版本號（建議安裝最新的版本）

五、 msgpack-python庫的安裝

【命令】：E:\python\Scripts\pip.exe install msgpack-python==0.4.8

六、 six庫的安裝

【命令】：E:\python\Scripts\pip.exe install six==1.11.0

七、 pyzmq庫的安裝

【命令】：E:\python\Scripts\pip.exe install pyzmq

八、 locust的安裝（最後一步）

【命令】：E:\python\Scripts\pip.exe install locustio

 

E:\Python27\python-2.7.13.msi

 

腳本編寫：根據需求編寫好python腳本，放到服務器上如 locust1.py。

 

腳本運行：一般使用的是主從模式來運行腳本，這樣可以方便進程多開。

打開python27目錄，輸入命令：

cd  /d E:\Python27\locust-master

locust -f locust1.py --master   

該命令運行後會生成一個主進程進行管理，主進程只須要一個。

 

 

locust -f locu.py --slave   

該命令運行後會有一個子進程啓動，根據須要能夠屢次運行就會開啓多個子進程，子進程用來模擬用戶數量。

若是須要多進程就要打開多個窗口開進程：

 

 

 

以上命令運行後或默認開啓8089 端口，經過瀏覽器訪問本地8089端口就能進入web界進行控制。

訪問地址： http://localhost:8089，slave 就是開啓的子進程數量。

 

 

 

 

若是不一樣的機器，加後綴主機master的IP：

 

locust -f ../Python27/load_test1.py  --slave   --master-host=*ip

 

3.用戶數量的詳細解釋

web界面的user 數量表示併發數，也就是每次訪問的併發鏈接數。實踐的時候用戶數量是300，表示每次訪問有300個用戶同時訪問，吞吐量能達到2000/s，說明在一秒的時間內服務器響應了大約7次，那麼300的用戶耗費的時間就是140ms左右。

4.用戶數量與slvae關係

用戶數量是300，slave爲3，那麼每一個slave會平均分配發送的用戶量100，與jmerter分佈式不同。

5、最終測試結果

服務器配置：CPU 8核 內存16G  
承受最大業務量900萬次請求數，佔用內存12G，佔用磁盤空間23G。
redis與業務量關係 80萬請求數佔用1G redis內存
磁盤與業務量關係  80萬請求數佔用2G 磁盤空間

 

 

附錄：

 

locust -f ../locust-master/load_test.py  --master

從新開終端窗口

locust -f ../locust-master/load_test.py  --slave

 

 

 

遠程連接阿里雲服務器

在Win10系統下使用「WIN+R」組合快捷鍵打開運行對話框，而後輸入「mstsc",點擊肯定

輸入服務器IP

 

 

 

QPS: 每秒鐘處理完請求的次數；注意這裏是處理完。具體是指發出請求到服務器處理完成功返回結果。能夠理解在server中有個counter，每處理一個請求加1，1秒後counter=QPS。

 

TPS：每秒鐘處理完的事務次數，通常TPS是對整個系統來說的。一個應用系統1s能完成多少事務處理，一個事務在分佈式處理中，可能會對應多個請求，對於衡量單個接口服務的處理能力，用QPS比較多。

 

併發量：系統能同時處理的請求數

 

RT：響應時間，處理一次請求所須要的平均處理時間

 

計算關係：

 

QPS = 併發量 / 平均響應時間

 

併發量 = QPS * 平均響應時間

 

 

 

對比：

測試場景：

對比locust的httpLocust庫、python2基礎庫httplib 和python3基礎庫http.client的效率和壓力

 

測試接口：經過GET獲取URL返回值

Slave機配置：單臺8核16G

Slave實例：10個

對比結果：httplocust庫RPS最大值4K，python2的最大值12K，python3的最大值15K

 

 

Jmeter的TPS最大值是34K