Python压测怎么用?Locust脚本编写与性能分析
2026-03-16 19:24:45
0浏览
收藏
本文深入解析了使用Locust进行Python接口压测的实战要点,从编写最简可用并发脚本(继承HttpUser、合理使用@task、规范请求与Header管理)出发,系统讲解了如何科学设置用户数与启动速率以避免本地资源耗尽或服务误伤,澄清了响应时间统计偏差、错误率虚高背后的底层机制,并强调必须结合服务端监控、代码打点和APM工具进行多维交叉分析,才能精准定位真实瓶颈——无论是Python层的序列化开销、HTTP连接复用问题,还是服务端限流、下游依赖延迟,最终落脚于“让每一毫秒的耗时都可追溯、可验证”的性能压测本质。

Locust怎么写最简可用的并发脚本
Locust不是“写完就能压”,得先让 locustfile.py 跑起来且行为可控。核心是定义好 task 和 User 类,别一上来就堆逻辑。
- 用
HttpUser(不是旧版Locust)继承,否则self.client会报错 @task装饰器必须作用在实例方法上,写成@task(3)表示权重为3,不加括号默认权重1- 请求路径别硬编码,用
self.client.get("/api/v1/users"),别用requests.get,否则 Locust 统计不到 - 如果要带 token 或 header,统一在
on_start里设self.client.headers,别每个请求都重复构造
示例最小可运行脚本:
from locust import HttpUser, task
class ApiUser(HttpUser):
host = "https://api.example.com"
def on_start(self):
self.client.headers = {"Authorization": "Bearer xyz"}
@task
def list_users(self):
self.client.get("/api/v1/users")
@task(2)
def get_profile(self):
self.client.get("/api/v1/profile")
压测时用户数和 spawn rate 怎么配才不翻车
很多人一开压测就设 1000 用户、每秒启 100,结果目标服务没崩,Locust 进程先 OOM 或 DNS 超时。关键不是“想压多少”,而是“能稳住多少”。
--users是总并发用户数,不是 QPS;实际 QPS 取决于任务耗时 + 用户数,比如单次请求平均 2s,100 用户 ≈ 50 QPS--spawn-rate控制每秒新增用户数,建议从 1–5 开始,观察 Locust Web UI 的 “Users” 曲线是否平滑上升;突增容易触发连接池打满或ConnectionRefusedError- 本地跑压测时,
--users超过 500 就可能受本机文件描述符限制,ulimit -n查看,默认常为 1024,不够就改 - 分布式模式下,
--master不发请求,只调度;--worker才真正发压,worker 数量 ≠ 并发数,别混淆
为什么响应时间对不上、错误率虚高
Locust 默认统计的是“从发请求到收到响应头”的时间,但业务真正卡住的地方往往在下游依赖(DB、Redis、第三方 API),而 Locust 不感知这些内部延迟。
- 如果接口返回 200 但 JSON body 里有
"code": 500,Locust 默认当成功;需手动检查:with self.client.get(...) as response: if response.json().get("code") != 0: response.failure("business error") - 超时默认是 60 秒(
DEFAULT_TIMEOUT),长任务容易误判;可在HttpUser里设timeout = 10.0,或单次请求传timeout=5 - 重试机制默认关闭,遇到临时网络抖动会直接记为失败;如需自动重试,得自己封装
self.client.request加tenacity或简单 while 循环 - Web UI 的“Response Time”分位值(p95/p99)是全局聚合的,不代表单个用户真实体验;高尾延时可能被少数慢请求拉高,得结合日志查具体哪类请求拖后腿
怎么定位是代码慢还是服务慢
Locust 自身不是性能分析器,它只告诉你“这个请求花了多久”,但不说“花在哪”。真瓶颈常藏在 Python 层(比如序列化、循环拼接)、HTTP 客户端(连接复用失效)、或服务端中间件(日志采样、鉴权链路过长)。
- 在
task里加time.time()打点,对比self.client.get前后时间差,若差距大,说明慢在 Python 代码里(比如 JSON 解析、字段处理) - 用
self.client.get(..., name="raw_api")自定义事务名,避免多个路径被合并统计,方便区分真实接口和健康检查等干扰项 - 关掉 Locust 的
--headless,开 Web UI 实时看 “Charts” 页里的 RPS 和响应时间曲线:如果 RPS 上不去但用户数已满,大概率是服务端拒绝连接或限流了 - 别只信 Locust 报告——同时抓服务端
top、slowlog、APM(如 Sentry、Datadog)数据交叉验证;Python 服务本身 CPU 高,可能只是json.loads在解析巨量响应体
真正难的从来不是起多少并发,而是确认每一毫秒花得明明白白。尤其当 response.elapsed.total_seconds() 突然跳变,得立刻切到服务端日志和网络层看是不是 TLS 握手变慢、DNS 缓存失效,或者 Locust worker 本机时钟漂移了。
本篇关于《Python压测怎么用?Locust脚本编写与性能分析》的介绍就到此结束啦,但是学无止境,想要了解学习更多关于文章的相关知识,请关注golang学习网公众号!
邮政包裹查询入口,官方物流信息精准追踪
- 上一篇
- 邮政包裹查询入口,官方物流信息精准追踪
- 下一篇
- PHP处理带表情的字符串转JSON方法
查看更多
最新文章
-
- 文章 · python教程 | 25分钟前 | Python教程 · Python 检查点 随机状态 Random.getstate Random.setstate 模拟复现
- Python Random.getstate 怎样在模拟中途保存并恢复随机序列
- 149浏览 收藏
-
- 文章 · python教程 | 46分钟前 | 并发控制 · Python教程 · asyncio · Python 协程同步 并发任务 asyncio.Barrier 阶段闸门 BrokenBarrierError
- Python asyncio.Barrier 怎样让多个协程在阶段边界同时放行
- 377浏览 收藏
-
- 文章 · python教程 | 50分钟前 | python · Python SQLite sqlite3 SQL脚本 Connection iterdump
- Python sqlite3.Connection.iterdump 怎样生成可恢复的 SQL 脚本
- 342浏览 收藏
-
- 文章 · python教程 | 54分钟前 | python · SQLite · Python SQLite sqlite3 Connection total_changes
- Python sqlite3.Connection.total_changes 怎样统计连接累计修改行数
- 422浏览 收藏
-
- 文章 · python教程 | 56分钟前 | python · SQLite · Python order by sqlite3 COLLATE Connection create_collation
- Python sqlite3 自定义排序规则如何参与 ORDER BY
- 215浏览 收藏
-
- 文章 · python教程 | 1小时前 | JSON · python · Python JSON JSONEncoder iterencode JSON文本
- Python json.JSONEncoder.iterencode 怎样分段生成 JSON 文本
- 211浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · pathlib · Python pathlib PurePath with_segments 路径派生
- Python pathlib.PurePath.with_segments 怎样让派生路径保留自定义状态
- 255浏览 收藏
-
- 文章 · python教程 | 1小时前 | python · Python Calendar itermonthdays4 月历
- Python Calendar.itermonthdays4 怎样保留月历补齐日期的年月日
- 369浏览 收藏
-
- 文章 · python教程 | 23小时前 | python · Python 十六进制 二进制调试 memoryview.hex bytes_per_sep
- Python memoryview.hex 怎样为十六进制输出设置分组分隔符
- 480浏览 收藏
-
- 文章 · python教程 | 23小时前 | python · Python decimal context same_quantum
- Python decimal.Context.same_quantum 怎样判断两个十进制数的指数是否相同
- 336浏览 收藏
查看更多
课程推荐
-
- 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
- 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
- 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
- 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
- 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
- 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。
- 1124次使用
-
- 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。
- 1112次使用
-
- 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。
- 1283次使用
-
- 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。
- 1226次使用
-
- 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。
- 1076次使用
查看更多
相关文章
-
- Python TaskGroup 怎样让子任务失败统一收敛
- 2026-11-12 501浏览
-
- Python xml.dom.minidom.unlink 怎样释放不再使用的 DOM 树引用
- 2026-10-27 501浏览
-
- Python typing 怎样用 TypeIs 缩小类型
- 2026-10-24 501浏览
-
- Python sqlite3 Connection serialize 怎么导出数据库快照:备份窗口、内存占用与恢复校验
- 2026-08-26 501浏览
-
- Python监控网页状态:requests异常处理实战
- 2026-05-29 501浏览
