如何使用Python编写API压力测试脚本_基于Locust框架实现高并发模拟
IT行业相对于一般传统行业,发展更新速度更快,一旦停止了学习,很快就会被行业所淘汰。所以我们需要踏踏实实的不断学习,精进自己的技术,尤其是初学者。今天golang学习网给大家整理了《如何使用Python编写API压力测试脚本_基于Locust框架实现高并发模拟》,聊聊,我们一起来看看吧!
Locust 2.0+ 必须用 HttpUser 类、host 属性和 @task 装饰器;动态参数与 token 需实例变量存储并线程安全复用;locust.conf 需 --config 显式指定且格式严格;连接池耗尽会导致响应时间突增,应调优 client 连接池及服务端 keep-alive。

Locust安装与基础脚本结构怎么写才不报错
Locust 2.0+ 已弃用 TaskSet,改用 task 装饰器 + HttpUser 类,老教程照搬会直接触发 AttributeError: 'MyUser' object has no attribute 'client'。必须确认安装的是当前活跃版本:pip install locust(别加 =1.x)。
最小可运行脚本需满足三个硬性条件:
class继承自HttpUser(不是User或Locust)- 必须定义
host属性(哪怕只是占位,如host = "https://httpbin.org") - 每个测试任务函数必须用
@task装饰,且不能带参数(@task(3)是合法权重,但@task(def my_req():...)会语法错误)
示例骨架:
from locust import HttpUser, task, between
class ApiUser(HttpUser):
host = "https://httpbin.org"
wait_time = between(1, 3)
@task
def get_status(self):
self.client.get("/status/200")
如何让并发请求携带真实业务参数和认证头
直接在 @task 函数里拼接 URL 或写死 token,会导致压测数据失真、服务端鉴权失败,或被限流策略误杀。关键点在于:参数必须动态生成,认证凭据必须线程安全复用。
推荐做法:
- 登录逻辑单独抽成
@task并设高权重(如@task(10)),用self.client.post()获取 token 后存入self.token实例变量 - 后续接口统一在
headers中注入:headers={"Authorization": f"Bearer {self.token}"} - URL 中的动态 ID(如订单号)用
random.randint(1000, 9999)或从预加载列表self.urls = [...]中轮询,避免所有请求打到同一个 ID 上引发缓存穿透
注意:self.token 在多协程下是隔离的,但千万别写成类变量 ApiUser.token —— 那会导致所有用户共享一个 token,一旦过期全部失败。
locust.conf 配置文件不起作用?其实是没被识别
Locust 不自动读取 locust.conf。必须显式通过 --config 参数指定,且配置项命名严格区分大小写和层级。常见失效原因:
- 文件名写成
locust_config.py或conf.ini→ 必须是locust.conf - 配置项写成
host = "xxx"(漏掉 section)→ 正确格式是[locust]下的host = "xxx" - 想设置启动用户数却用了
users = 100→ 实际应为users = 100(v2.15+ 支持),但旧版只认num_users = 100,建议统一用命令行参数更可靠
典型 locust.conf 片段:
[locust] host = https://api.example.com users = 200 spawn-rate = 10 headless = true
启动时仍需执行:locust -f test_api.py --config locust.conf
压测中响应时间突增但错误率低,大概率是连接池耗尽
默认 HttpUser 使用 requests.Session,底层复用 TCP 连接,但并发量上去后,若服务端未正确配置 keep-alive 或连接超时,会出现大量 ConnectionResetError 或 ReadTimeout,Locust 却只记作“响应慢”,错误率栏显示 0%。
排查和修复手段:
- 在脚本开头加
import logging; logging.getLogger("urllib3").setLevel(logging.DEBUG),观察日志是否频繁出现Starting new HTTPS connection - 显式配置连接池:
self.client.pool_connections = 50; self.client.pool_maxsize = 50(放在on_start方法里) - 服务端 Nginx 需检查
keepalive_timeout和upstream keepalive设置,避免客户端复用连接时被主动断开
真正稳定的压测,从来不是调高并发数,而是先让单个用户能持续复用连接。
文中关于的知识介绍,希望对你的学习有所帮助!若是受益匪浅,那就动动鼠标收藏这篇《如何使用Python编写API压力测试脚本_基于Locust框架实现高并发模拟》文章吧,也可关注golang学习网公众号了解相关技术文章。
剪映如何制作团队介绍视频_剪映多人视频合成与字幕排版方法
- 上一篇
- 剪映如何制作团队介绍视频_剪映多人视频合成与字幕排版方法
- 下一篇
- Win10怎么通过组策略关闭更新_永久禁止自动更新教程
-
- 文章 · python教程 | 16小时前 | 日志 · logging · Python教程 · Python contextvars request_id LogRecord logging.Filter
- Python logging.Filter 注入请求上下文的做法
- 410浏览 收藏
-
- 文章 · python教程 | 3天前 | Python教程 · Python 鸭子类型 typing.Protocol 结构子类型
- Python typing.Protocol 约束鸭子类型接口
- 246浏览 收藏
-
- 文章 · python教程 | 3天前 | Python教程 · Python 相对路径 is_file pathlib Path.resolve
- Python pathlib 相对路径规范化与文件判断
- 144浏览 收藏
-
- 文章 · python教程 | 3天前 | python · 异步编程 · asyncio · Python CancelledError asyncio.timeout TimeoutError
- Python asyncio.timeout 嵌套取消与异常传播
- 373浏览 收藏
-
- 文章 · python教程 | 4天前 |
- Python heapq 最大堆 API 怎么避免手动取负数
- 397浏览 收藏
-
- 文章 · python教程 | 4天前 | python · Python 不可变对象 namedtuple dataclass copy.replace
- Python copy.replace 怎么更新不可变对象字段
- 245浏览 收藏
-
- 文章 · python教程 | 4天前 | python ·
- Python NamedTemporaryFile 的 delete_on_close 怎么设置
- 311浏览 收藏
-
- 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
-
- 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。
- 296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。
- 351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。
- 353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。
- 316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。
- 136次使用
-
- 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
-
- TensorFlow模型部署为API的TF Serving方法
- 2026-05-26 501浏览
-
- Python字符串编码转换:encode与decode详解
- 2026-05-16 501浏览
-
- TensorFlow裁剪无用算子方法详解
- 2026-05-15 501浏览

