一、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中遇到的問題
https://www.locust.io/
使用Locust的原因是因為可以模擬的用戶數量可以通過添加硬件來增長，相對於jmeter來說配置更加方便。
二、需求描述
項目采用node+redis+oracle的模式，需要測試出單台服務器的性能瓶頸。
三、實際測試
環境的搭建：服務器上只需要安裝好Python2.7及以上的版本，然后通過pip安裝locust就完成了搭建。
1、 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，需要我們手動的安裝
【命令】：E:\python\Scripts\pip.exe
這里的路徑為你安裝的python路徑，找到安裝目錄中\Scripts文件夾下pip文件即可安裝pip（這里已經安裝好了）
2、 gevent庫的安裝
【命令】： E:\python\Scripts\pip.exe install gevent
3、 flask庫的安裝
【命令】：E:\python\Scripts\pip.exe install flask
注：如果不知道版本號可以直接安裝flask包，系統會安裝不同版本的包（不建議使用）
4、 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，可以直接輸入命令E:\python\Scripts\pip.exe install requests== 從報錯信息中查看所有的版本號（建議安裝最新的版本）
5、 msgpack-python庫的安裝
【命令】：E:\python\Scripts\pip.exe install msgpack-python==0.4.8
6、 six庫的安裝
【命令】：E:\python\Scripts\pip.exe install six==1.11.0
7、 pyzmq庫的安裝
【命令】：E:\python\Scripts\pip.exe install pyzmq
8、 locust的安裝（最后一步）
【命令】：E:\python\Scripts\pip.exe install locustio
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：通常使用的是主從模式來運行腳本，這樣能夠方便進程多開。
打開python27目錄，輸入命令：
cd /d E:\Python27\locust-master
locust -f locust1.py --master
該命令運行后會生成一個主進程進行管理，主進程只需要一個。
locust -f locu.py --slave
該命令運行后會有一個子進程啟動，根據需要可以多次運行就會開啟多個子進程，子進程用來模擬用戶數量。
如果需要多進程就要打開多個窗口開進程：
以上命令運行后或默認開啟8089 端口，通過瀏覽器訪問本地8089端口就能進入web界進行控制。
訪問地址： http://localhost:8089，slave 就是開啟的子進程數量。
如果不同的機器，加后綴主機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 數量表示並發數，也就是每次訪問的並發連接數。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，那么300的用戶耗費的時間就是140ms左右。
4.用戶數量與slvae關系
用戶數量是300，slave為3，那么每個slave會平均分配發送的用戶量100，與jmerter分布式不一樣。
五、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，占用內存12G，占用磁盤空間23G。
redis與業務量關系 80萬請求數占用1G redis內存
磁盤與業務量關系 80萬請求數占用2G 磁盤空間
附錄：
locust -f ../locust-master/load_test.py --master
重新開終端窗口
locust -f ../locust-master/load_test.py --slave
遠程鏈接阿里雲服務器
在Win10系統下使用“WIN+R”組合快捷鍵打開運行對話框，然后輸入“mstsc",點擊確定
輸入服務器IP
QPS: 每秒鍾處理完請求的次數；注意這里是處理完。具體是指發出請求到服務器處理完成功返回結果。可以理解在server中有個counter，每處理一個請求加1，1秒后counter=QPS。
TPS：每秒鍾處理完的事務次數，一般TPS是對整個系統來講的。一個應用系統1s能完成多少事務處理，一個事務在分布式處理中，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。
並發量：系統能同時處理的請求數
RT：響應時間，處理一次請求所需要的平均處理時間
計算關系：
QPS = 並發量 / 平均響應時間
並發量 = 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：通過GET獲取URL返回值
Slave機配置：單台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