本文共 1876 字，大约阅读时间需要 6 分钟。

现在开源和商业的性能测试工具层出不穷，如何选取一款高性能的性能测试工具，成为性能测试最基本需要解决的问题之一

现在主要针对locust与jmeter能提供http接口并发性能pk

locust并发机制

摒弃了进程和线程，采用协程的机制

采用多线程来模拟多用户时，线程数会随着并发数的增加而增加，而线程之间的切换需要占用大量的资源，IO的阻塞和线程的sleep会不可避免的导致并发效率下降 而协程和线程的区别在于，协程避免了系统级资源调度，由此大幅提高了性能

jmeter并发机制

运行在JVM虚拟机上的，jmeter以线程方式来运行

基本原理是建立一个线程池，多线程运行取样器产生大量负载，jmeter通过线程组来驱动多个线程运行测试脚本对被测服务器发起负载，每一个负载机上都可以运行多个线程组

环境准备

1. 服务配置

信息	详情
实例数	5
配置	4c 4g
并发tps	3w

因为对比的是jmeter和locust这两款软件，故服务可以提供的tps远大于工具压测的需求

2. 肉鸡配置

信息	配置	数量
master	4c 4g	1
slave	4c 4g	1

压测链路

备注：locust和jmeter模拟端和服务端均使用相同的环境

压测脚本

1. jmeter

2. locust

#!/usr/bin/env python# -*- coding: utf-8 -*-# @Author: lluozh# @Date  : 2020/4/16# @Desc  :from locust import HttpLocust,TaskSet,task,betweenclass MyBlogs(TaskSet):    @task(1)    def get_blog(self):        header = {
           }        body = {
               "roomId": "158589982254376"        }        req = self.client.get("/api/v1/model", headers=header, params=body, verify=False)        # print(req.text)        # if req.status_code == 200:        #     print("success")        # else:        #     print("fails")class websitUser(HttpLocust):    task_set = MyBlogs    # 设置用户执行任务之间等待的上下限，单位秒    wait_time = between(3, 6)    # # 等同于上面wait_time，单位毫秒    # min_wait = 3000    # max_wait = 6000    host = "http://benchmark-server.xxx.com"if __name__ == "__main__":    import os    # master 启动    # os.system("locust -f locusttest.py --master")    # slave 启动    os.system("locust -f locusttest.py --slave --master-host=10.200.0.219")

压测数据

1. 使用的压测接口为GET接口，返回数据简单
2. 每个接口请求后sleep150ms
3. 本次数据收集根据并发增加的维度，因为同时发现slave的cpu使用也是线性的增加，故没有根据slave不同cpu使用情况来进行数据对比

对比结论

1. 模拟tps

• cpu 1c locust可以模拟tps 700， jmeter可以模拟tps 3200
• cpu 2c locust可以模拟tps1400，jmeter可以模拟tps 6400

2. 响应时间

• 当单核的cpu小于80%时，locust响应时间与服务响应时间相差不大，当cpu大于80%时，出现500ms+的响应时间偏差
• jmeter在cpu打满时，与apm监控实际处理时间依然小于10ms

• 响应时间有两种对比

1. 相同tps时jmeter与locust的响应时间相互对比
2. 与apm监控服务实际处理的时间

• 以上接口均针对所模拟压测的该get接口

转载地址：http://jptvf.baihongyu.com/