Python压力测试:Locust框架实战指南
2026-05-10 19:17:01
0浏览
收藏
本文深入解析了Python自动化压力测试中Locust框架的实战要点,涵盖从环境搭建(强调Python 3.8+、conda下避坑安装、配置文件显式加载)到核心编码(推荐HttpUser类、手动管理登录态、合理设置timeout与User-Agent)、再到分布式压测排障(master绑定0.0.0.0、开放5557/5558端口、ulimit调优、多进程/多机扩展策略)的完整链路,并揭示了响应时间突增背后的常见陷阱——如系统文件描述符耗尽、DNS缓存滥用、单核CPU瓶颈等非服务端因素,帮助读者避开“看似代码没问题却压不出真实性能”的典型误区,真正用好Locust实现高效、稳定、可扩展的高并发压测。

Locust安装与基础配置要注意什么
Locust不是pip install locust就能直接跑通的。Python 3.8+是硬性要求,低于3.7会报ModuleNotFoundError: No module named 'asyncio';Windows用户如果用conda环境,得先conda install -c conda-forge locust,否则可能因pyzmq编译失败卡在启动阶段。
- 确保
locust命令能执行:运行locust --version看到输出才算装对 - 配置文件默认不加载,想用
locust.conf需显式加--config=locust.conf LOCUSTFILE环境变量可指定脚本路径,避免每次敲-f xxx.py
如何写一个能发真实HTTP请求的User类
HttpUser才是发请求的主力,别用过时的Locust基类。它自带self.client(本质是requests.Session),但默认不带User-Agent,某些网站会直接返回403。
- 登录态必须手动维护:调用
self.client.post("/login", json={"u": "a", "p": "b"})后,后续请求自动携带Set-Cookie头 - 请求超时要设:不加
timeout=10参数,慢接口会让整个worker卡住,压测数据失真 - 避免在
on_start里做耗时操作(比如读大文件),它会在每个虚拟用户启动时执行,拖慢整体并发初始化
示例片段:
from locust import HttpUser, task, betweenclass ApiUser(HttpUser): wait_time = between(1, 3)
def on_start(self): self.client.post("/auth/login", json={"username": "test", "password": "123"}) @task def get_list(self): self.client.get("/api/items", timeout=5)
分布式模式下常见连接失败怎么排查
locust -f script.py --master和--worker分开跑时,worker连不上master是最高频问题。根本原因通常是网络隔离或端口未开放,而非代码错误。
- master默认只监听
127.0.0.1:5557,worker在另一台机器上就必然连不上——必须加--master-bind-host=0.0.0.0 - 防火墙常拦截
5557(master通信)和5558(web UI),Linux用sudo ufw allow 5557,云服务器还要配安全组 - worker启动后没出现在master页面?检查日志里有没有
Failed to connect to master,有就说明网络层不通,不用查Python逻辑
压测结果里响应时间突增但错误率很低,可能是什么原因
这通常不是服务端崩了,而是Locust自身资源瓶颈。尤其当--users设到5000+、单机跑worker时,Python GIL和系统文件描述符限制会先于目标服务拖垮测试。
- Linux默认
ulimit -n是1024,压测中每个TCP连接占一个fd,很快打满,现象是大量ConnectionRefusedError或请求卡在pending状态 - 检查
top里locust进程CPU是否长期100%,是的话说明单核跑满,得加--processes启多进程(注意:非多线程) - 更隐蔽的是DNS缓存:频繁请求不同子域时,没配
resolve_hostnames=False会导致每秒上百次DNS查询,把worker拖慢
真实场景里,宁愿多起几台低配worker,也不要在一台机器上硬扛5000+ users。Locust的分布式设计,本来就是为横向扩展准备的。
到这里,我们也就讲完了《Python压力测试:Locust框架实战指南》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于的知识点!
JavaScriptJSON序列化与解析教程
- 上一篇
- JavaScriptJSON序列化与解析教程
- 下一篇
- Golang指针与值接收者如何选择
查看更多
最新文章
-
- 文章 · python教程 | 6小时前 |
- Python 3.14 pathlib.PurePath.full_match怎样匹配完整路径
- 443浏览 收藏
-
- 文章 · python教程 | 7小时前 |
- Python os.reload_environ为什么读取不到外部环境变量
- 283浏览 收藏
-
- 文章 · python教程 | 7小时前 |
- Python operator.is_none 怎样判断值是否为 None
- 229浏览 收藏
-
- 文章 · python教程 | 7小时前 | 标准库 · csv · python · Python csv csv.field_size_limit CSV超长字段
- Python csv.field_size_limit 怎样处理超长字段
- 301浏览 收藏
-
- 文章 · python教程 | 7小时前 | python · pathlib · Python 硬链接 pathlib Path.hardlink_to
- Python pathlib.Path.hardlink_to 创建硬链接的跨设备报错处理
- 486浏览 收藏
-
- 文章 · python教程 | 7小时前 | 线程池 · Python gil threadpoolexecutor Python 3.14 free-threading CPU并发
- Python免费线程模式评估CPU并发
- 200浏览 收藏
-
- 文章 · python教程 | 7小时前 | 兼容性 · Python API迁移 DeprecationWarning Python 3.14 warnings.deprecated 类型检查器
- Python warnings.deprecated怎样标记即将移除的API
- 334浏览 收藏
-
- 文章 · python教程 | 7小时前 |
- Python 3.14 fnmatch.filterfalse怎样筛掉匹配文件
- 133浏览 收藏
-
- 文章 · python教程 | 7小时前 | 兼容性 · Python 类型注解 循环引用 延迟求值 Python 3.14 annotationlib ForwardRef
- Python 3.14延迟求值注解解决循环引用
- 282浏览 收藏
-
- 文章 · python教程 | 7小时前 | python · Python Template 模板字符串 Python 3.14
- Python 3.14模板字符串处理动态文本
- 344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。
- 1043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。
- 1041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。
- 1193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。
- 1143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。
- 989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

