当前位置：首页 > news >正文

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

news 文章来源：https://blog.csdn.net/zhouzongxin94/article/details/145116851 2025/5/21 22:25:49

文章目录

- 一、什么是Locust
- 二、Locust 架构组成
- 三、实战 Demo
- - 准备一个可调用的接口
  - 编写一个接口测试用例
  - 编写一个性能测试用例
  - 执行性能测试用例代码
  - - 1、通过 Web UI 执行（GUI模式）
    - 2、通过命令行执行（非GUI模式）
- 小知识：工具对比

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

纯 Python 编写：Locust 使用 Python 编写测试用例，灵活且易于维护。
HTTP 请求：它是基于 requests 库发送 HTTP 请求。
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。
分布式支持：支持分布式，支持更多的压力测试
Web UI：内置了 Web UI，可通过浏览器进行控制和监控。
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。

安装 Flask：
```
pip install flask
```

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_responseapp = 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。

接口运行截图

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 requestsdef test_request():resp = requests.get(url="http://127.0.0.1:8080/")print(resp.json())assert resp.status_code == 200if __name__ == '__main__':test_request()

运行测试用例，如果没有报错，说明接口正常。

接口测试结果

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 locustclass 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：

创建一个类，继承 locust.HttpUser。
使用 @locust.task 装饰器标识性能测试用例。
使用 self.client.get或者post 发送请求。
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。

在终端运行 Locust 命令：
```
locust -f 用例名称.py
```
打开浏览器访问 Web UI（通常为 http://0.0.0.0:8089）。
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。
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

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。
异常信息：测试接口拒绝连接，表明服务器崩溃。
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）：
在这里插入图片描述

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。