当前位置:首页 > 文章列表 > Golang > Go教程 > GolangHTTP并发测试实战分享

GolangHTTP并发测试实战分享

2025-11-21 15:27:37 0浏览 收藏

Golang小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《Golang HTTP 并发测试实例分享》带大家来了解一下##content_title##,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!


答案:Golang结合testing包和goroutine可高效进行HTTP并发基准测试。通过编写串行与并发测试函数,测量目标服务的吞吐量和延迟,使用BenchmarkHTTPSingle和BenchmarkHTTPConcurrent分别模拟单请求与高并发场景,控制批处理并发数避免资源耗尽,运行测试并分析ns/op指标,结合-benchtime延长测试提升准确性,进一步可通过复用Client、启用Keep-Alive、统计P95/P99延迟等优化测试精度,评估服务性能瓶颈。

如何用 Golang 测试网络请求性能_Golang HTTP 并发基准测试实例

测试网络请求性能在构建高并发服务时非常关键。Golang 提供了内置的 testing 包,结合其轻量级 goroutine 特性,非常适合做 HTTP 并发基准测试。下面通过一个具体实例展示如何用 Golang 编写 HTTP 并发基准测试,帮助你评估目标服务的吞吐能力和响应延迟。

编写被测 HTTP 服务(可选)

如果你没有现成的服务接口用于测试,可以先快速启动一个本地 HTTP 服务作为目标。

示例代码:

package main

import ( "net/http" "time" )

func main() { http.HandleFunc("/ping", func(w http.ResponseWriter, r http.Request) { time.Sleep(10 time.Millisecond) // 模拟处理耗时 w.WriteHeader(http.StatusOK) w.Write([]byte("pong")) })

http.ListenAndServe(":8080", nil)

}

运行后,该服务会在 :8080 监听,/ping 接口返回简单响应。

编写并发基准测试

使用 Go 的 testing.B 可以控制并发量并测量性能。

创建文件 http_benchmark_test.go:

package main

import ( "fmt" "io" "net/http" "sync" "testing" )

const targetURL = "http://localhost:8080/ping"

func BenchmarkHTTPSingle(b *testing.B) { for i := 0; i < b.N; i++ { resp, err := http.Get(targetURL) if err != nil { b.Fatal(err) } io.ReadAll(resp.Body) resp.Body.Close() } }

func BenchmarkHTTPConcurrent(b *testing.B) { var wg sync.WaitGroup client := &http.Client{}

b.ResetTimer()
for i := 0; i < b.N; i++ {
    wg.Add(1)
    go func() {
        defer wg.Done()
        req, _ := http.NewRequest("GET", targetURL, nil)
        resp, err := client.Do(req)
        if err != nil {
            b.Error(err)
            return
        }
        io.ReadAll(resp.Body)
        resp.Body.Close()
    }()
    // 控制并发请求数,避免系统资源耗尽
    if i%100 == 0 {
        wg.Wait()
    }
}
wg.Wait()

}

说明:

  • BenchmarkHTTPSingle:串行发送请求,用于对比基础性能。
  • BenchmarkHTTPConcurrent:每个迭代启动一个 goroutine 发起请求,模拟并发场景。
  • b.ResetTimer():排除初始化开销,只测量核心逻辑。
  • 限制并发批处理:每 100 次并发后等待完成,防止瞬间打开太多连接导致失败或资源不足。

运行测试并分析结果

执行命令:

go test -bench=BenchmarkHTTP -run=^$ -benchtime=3s

输出示例:

BenchmarkHTTPSingle      1000000         3000 ns/op
BenchmarkHTTPConcurrent   500000         7000 ns/op

注意:

  • ns/op 表示每次操作平均耗时。虽然并发下单次耗时可能更高(因竞争),但整体吞吐量提升。
  • 可通过增加并发 goroutine 数量观察性能拐点。
  • 使用 -benchtime=3s 延长测试时间,提高数据准确性。

优化与扩展建议

  • 使用固定数量 worker 协程 + 请求队列方式更精确控制并发度。
  • 记录错误率、P95/P99 延迟等指标,可引入第三方库如 github.com/coocood/freecache 或自行统计。
  • 复用 http.Client 和 TCP 连接(启用 Keep-Alive)减少开销。
  • 测试不同并发级别下的表现,绘制 QPS 随并发增长曲线。

基本上就这些。Golang 的并发模型让 HTTP 性能测试变得简洁高效,合理设计基准测试能帮你发现服务瓶颈,验证优化效果。

以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于Golang的相关知识,也可关注golang学习网公众号。

PHP自定义异常:类区分优化技巧PHP自定义异常:类区分优化技巧
上一篇
PHP自定义异常:类区分优化技巧
夸克浏览器自动填充设置方法
下一篇
夸克浏览器自动填充设置方法
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    264次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    316次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    300次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    273次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    93次使用