[Testing] 壓力測試 load testing - locust
簡單紀錄一個壓力測試工具 - Locust，Locust 是一個開源的壓力測試工具，用於模擬大規模並發用戶請求來測試 Web 應用和 API 的性能。它使用 Python 腳本定義測試行為，支持分佈式測試，並提供簡潔的 Web 界面來監控測試結果，適合進行靈活且可擴展的性能測試。
2. 實時監控：提供友好的 Web UI，實時查看測試結果和性能數據。
3. 可擴展性強：支持分佈式測試，能夠模擬大量並發用戶。
情境:
1 . 目的為搶票。
2 . 組合兩個API測試，一個是取票(book_event)，一個是取得當前票數名額資料(search_event)。
3 . 提供一組使用者資料，做為壓力測試資料。
4 . 每次隨機取一個使用者發起請求。
提前補充:
1. Locust有很多進階的應用，目前只記錄最基本的功能。
Step1: 先安裝locust
pip install locust
Step2: 建立程式碼(新增一個 locustfile.py)
import json
import random
from locust import HttpUser, task, between
# 載入 JSON 文件中的數據
with open('users.json') as f:
users_data = json.load(f)
# BookingUser(HttpUser) 表示一個用戶類別，繼承自 HttpUser
class BookingUser(HttpUser):
# 設置 Host 為本地的 API 地址
host = "http://test"
# 等待時間，模擬真實用戶的行為
# between(0.5, 1) 表示每次任務之間的等待時間在 0.5 到 1 秒之間
wait_time = between(0.5, 1)
# 使用 JSON 數據進行活動預約
# @task是一個裝飾器，只要有加上@task的函數即註冊為任務，Locust就會執行這個函數，會在用戶模擬時執行
# @task(1) 表示這個函數的權重為 1，當有多個函數時，Locust會根據權重來決定執行的順序。 @task(1) > @task(2)...
@task(1)
def book_event(self):
# 從 users_data 中隨機選擇一個用戶
user_data = random.choice(users_data)
# 手動設置 Cookies
headers = {}
# 發送活動預約請求到指定的 URL
response = self.client.post("/SignUpBykey", json={
"user_id": user_data["user_id"],
"uid": user_data["uid"]
},headers=headers,verify=False)
# 打印結果
if response.status_code == 200:
print(f"User {user_data['user_id']} successfully booked with UID {user_data['uid']}")
else:
print(f"Failed to book with UID {user_data['uid']} for user {user_data['user_id']}")
@task(2)
def search_event(self):
# 從 users_data 中隨機選擇一個用戶
user_data = random.choice(users_data)
# 手動設置 Cookies
headers = {}
response = self.client.post("/GetAppointmentInfo", json={
"user_id": user_data["user_id"],
},headers=headers,verify=False)
# 打印結果
if response.status_code == 200:
print(f"User {user_data['user_id']} successfully booked with UID {user_data['uid']}")
else:
print(f"Failed to book with UID {user_data['uid']} for user {user_data['user_id']}")
# 每次用戶實例化時載入 JSON 數據
def on_start(self):
self.user_data = users_data.copy()
Step3: 準備好測試資料 users.json
user.json 放入跟 locustfile.py 同層即可。
Step4: 啟動及參數介紹
locust -f locustfile.py
Spawn rate: 大約30秒後，將達到每秒100人同時請求。
Step5: 分析數據
● 欄位分析：
1. Name：這一列顯示的是測試的請求路徑。
2. # Requests：這是總請求數量。
你總共發送了 3,078 次請求到這個 API。
3. # Fails：這是失敗的請求數量。
你有 0 次失敗，這意味著所有請求都成功完成，這是非常好的結果。
4. Median (ms)：這是響應時間的中位數，以毫秒（ms）為單位。
中位數響應時間為 75 ms，即 0.075 秒。這意味著一半的請求在 0.075 秒內完成。
5. 90%ile (ms)：這是響應時間的第 90 百分位值（90% 的請求在該時間內完成）。
第 90 百分位的響應時間是 230 ms，即 0.23 秒。這意味著 90% 的請求在 0.23 秒內完成。
6. 99%ile (ms)：這是響應時間的第 99 百分位值（99% 的請求在該時間內完成）。
第 99 百分位的響應時間是 520 ms，即 0.52 秒。這意味著 99% 的請求在 0.52 秒內完成。
7. Average (ms)：這是響應時間的平均值。
平均響應時間為 113 ms，即約 0.113 秒。這表示所有請求的平均完成時間。
8. Min (ms)：這是最短的響應時間。
最短響應時間是 44 ms，這意味著最快的請求在 44 毫秒內完成。
9. Max (ms)：這是最長的響應時間。
最長響應時間是 3,074 ms，即約 3 秒。這意味著有一些請求花費了較長時間才完成。
10. Average size (bytes)：這是每個響應的平均大小，以字節（bytes）為單位。
每個響應的平均大小為 18,716 bytes。
11. Current RPS (Requests per Second)：這是當前每秒的請求數。
當前每秒的請求數是 116.6，這意味著你的系統每秒處理大約 116.6 個請求。
12. Current Failures/s：這是當前每秒的失敗數量。
每秒失敗請求數為 0，這意味著在測試期間沒有發生失敗請求。
● 性能分析：
1. 每秒請求數 (RPS)：116.6 次每秒的請求量算是中等水平。這樣的數值取決於你的服務器配置和應用程序的複雜性。如果你的服務器在每秒 116.6 個請求的負載下仍然能保持穩定且無失敗，那麼它在這一負載下的表現是非常好的。
2. 響應時間：中位數響應時間為 75 ms，平均響應時間也是 75 ms 左右。這可能表明你的系統在負載較大的情況下仍可保持較短的延遲。
3. 成功率：這次測試沒有任何失敗請求，這意味著你的系統在處理這個負載時非常穩定，沒有崩潰或出錯。
● 結論：
1. 請求成功率：100% 成功率是非常好的，系統在這個負載下運行穩定。
2. 響應時間：響應時間短，75 ms的響應時間就服務而言可以接受。
3. 簡單看 => RPS愈高，Average愈小， Failures愈少，這樣的整體服務就愈好。
留言
張貼留言