前言

一句话总结：本文是基于2.4.1的版本去学习locust，如果你想完全搞懂它，那么就从最新的产品文档从头到尾去研读一遍吧。

1、locust是什么？

1.1、相关资料

官网：www.locust.io/
产品文档：docs.locust.io/en/2.4.1/
源码：github.com/locustio/lo…

1.2、特征

Locust 是一种易于使用、可编写脚本、可扩展性能测试工具。基于requests库封装的性能工具，你可以随便自定义自己想要的功能，而不是局限于 UI ，搞性能就是用python，python能实现的都可以给它加上去，真的是无限扩展。这样的好处是：

对python能力得到了很好的锻炼
一切性能业务场景的设计，都是基于python脚本去实现，可以用python的各种第三方库，无限拓展
动态的web监控界面，同时也具备命令行无web界面的执行（用于持续集成中），命令行执行：locust -f .\per_01_test.py
可测一切协议、一切系统
对requests库的频繁使用，加深了理解，这个库是python接口自动化的基础，locust也可以理解是接口性能自动化测试框架。平时用接口自动化框架也是request去写的自己封装的，你封装的是实现业务，但无法执行并发操作，locust就是一款成熟的用于并发的接口自动化测试框架。httprunner就是一款成熟的不能并发的接口自动化测试框架，研究它就像研究一款优秀的接口自动化测试框架。

1.3、产生的背景

没有一个负载测试工具能够针对数据生成动态的实际负载，大多数页面都需要我们冗长的配置文件来声明测试，提供了一个python的性能测试框架，任由喜欢pthon的你去自由发挥，哦，你还可以自定义web界面的内容。我喜欢它的两点：灵活、是python编写的框架

2、安装

配置好pthon、pycharm
cmd窗口执行：pip3 install locust
验证：locust -V

就是这么简单，那么请问jmeter是怎么配置的？持续集成，直接拉去代码，安装个依赖库，直接直接执行，web界面动态显示执行结果，逼格、成就感有没有？

3、入门

3.1、编写python性能接口自动化测试脚本

脚本名：per_01_test.py

import json
from json import JSONDecodeError
from locust import task, HttpUser, between


class UserBehavior1(HttpUser):
    """登录
    	"""
    host = "https://xxx.com"  # 配置url
    wait_time = between(2, 5)  # 每个用户执行后等待2-5秒

    @task  # Locust 创建一个 greenlet（微线程），一个微线程可以跑很多协程
    def test_login(self):
        data = json.dumps({
            "account": "4",
            "password": "==",
        })
        headers = {"Content-Type": "application/json"}
        response = self.client.post("/api/portal/login", data=data, headers=headers)
        assert response.status_code == 200

3.2、运行pthon脚本

1、在脚本里面右键 open in > Terminal 打开命令行，输入：locust -f per_01_test.py，预期：

$ locust -f .\per_01_test.py [2021-10-27 20:18:38,307] Starting web interface at http://0.0.0.0:8089 (accepting connections from all network interfaces) [2021-10-27 20:18:38,307] xxx/INFO/locust.main: Starting Locust 2.4.0

2、浏览器输入：http://localhost:8089/，预期：

3、点击开始，预期

4、其他技术栈

（1）jmeter、loadrunner、locust各种工具的基本功能使用（一大堆xxx）

（2）docker实现分布式压测

（3）git、jenkins实现持续集成

（4）性能测试核心基础：测试层分析、APP转型性能测试原理、服务器端性能测试原理、性能分析思路、并发技术本质、全链路压测分析、web前端性能测试原理、常见接口加密方式、TPS/QPS/RT/吞吐量性能指标关系、jmeter\locust\loadrunner只是工具、webserver restful api实战详解、自定义协议分析

（5）web、app前端性能监控自动化平台构建

（6）性能测试脚本开发参数化方式、参数化数据构造、关联原理、混合场景复杂脚本、参数化组件、关联组件、自定义检查点、事务/思考时间/集合点综合应用

（7）性能测试场景设计复杂场景设计、压力曲线模型、基础性能场景、稳定性能场景、监控设计思路及技术图谱、业务模型构建、基于并发/吞吐量的场景设计、容量性能场景、异常性能场景、jmeter+docker分布式压测

（8）性能测试监控：基本性能指标监控、linux常用监控工具解析、PHP代码级监控、java代码级监控之stack、数据库级监控及常用计数器解析、jmeter+influxob+grafana监控、操作系统监控及常用计数器、中间件监控指标及工具、网络监控等等

（9）性能测试结果分析：基本性能指标测试结果分析、CPU/内存/磁盘/网络等性能分析、数据库常见性能指标分析、中间件常见性能指标分析、jvm核心原理、java各种线程状态码实现及解析、深入解析JVM垃圾回收算法及原理、

（10）瓶颈分析及定位：前端性能分析及瓶颈定位、stack/heap深入解读瓶颈定位、CPU压力过大的瓶颈分析及定位、资源利用率过低的瓶颈分析及定位、内存泄漏原理及代码级瓶颈分析及定位、带宽消耗分析及网络瓶颈定位、数据库常见瓶颈分析、数据库慢查询定位、SQL语句执行计划分析及定位、SQL语句资源消耗细分解、磁盘10瓶颈分析及定位、java代码级剖析工具、Xhprof的Php代码瓶颈分析及定位、

（11）性能调优： JVM核心参数优化设置、中间件核心参数化设置、JVM垃圾回收算法选择及优化、JAVA代码优化解析、Mysql架构优化设计、Sql语句优化、mysql/schem设计优化、mysql常用存储引擎优化

（12）性能测试文档编写性能测试需求分析报告、需求调研报告、技术方案、分析及调优报告、测试报告、项目总结

（13）平台化技术在性能领域的应用 docker+gitlab ci +jmeter性能测试 docker + jenkins + jmeter性能

-事必有法，然后有成- 最后祝大家早日达到测试的天花板！