目前做性能测试，比较简单常用的工具就是jmeter，但是对于一些复杂需求和场景需要编写java代码，如果只会Python能做性能测试吗，当然可以，今天就介绍一下Python强大的性能测试框架Locust。
Locust简介
一个基于python语言的开源性能测试工具，Locust直译为蝗虫，比喻他能产生蝗虫般成千上万的并发，内部使用requests完成http请求，使用协程完成并发请求，提供WebUI美观方便，支持分布式并发，当然也可以根据需要进行二次开发。
它的最重要优点是运行开销小，可以产生更高的并发请求。
更详细的介绍和使用可以查看官网介绍：https://locust.io/
Github地址：https://github.com/locustio/locust
Locust安装
需要Python版本3.6及以上环境。
pip install locust查看是否安装成功
locust -V一个简单的Locust案例
新建一个用户行为类，定义任务集（用户行为），包含一个或多个请求。设置压测的基本参数，比如指向压测的host，等待时间等。
from locust import task, HttpUser, between
# 定义用户行为
class UserBehavior(HttpUser):
host = "https://www.baidu.com" # 配置URL
wait_time = between(1,2) # 用户执行每个task之后等待1-2秒
# task装饰的方法会在Locust虚拟用户运行过程中被调用
# 定义任务Locust发送请求是基于requests实现，请求的使用requests库一致
@task
def test_baidu(self):
resp = self.client.get("/")
return resp.status_code当然，你也可以添加多个请求
from locust import HttpUser, task, between
class QuickstartUser(HttpUser):
wait_time = between(1, 2)
# wait_time = constant(3) # 每次请求停顿时间 （思考时间）
# 每个模拟用户开始执行，只执行一次
def on_start(self):
self.client.post("/login", json={"username":"foo", "password":"bar"})
@task
def hello_world(self):
self.client.get("/hello")
self.client.get("/world")
# task()参数用于指定该行为的执行权重。参数越大每次被虚拟用户执行的概率越高。
@task(3)
def view_item(self):
for item_id in range(10):
self.client.get(f"/item?id={item_id}", name="/item")运行Locust
在命令行运行Locust脚本，在cmd下（win），进入到脚本目录，执行命令：
locust -f 文件名.py设置测试
命令行运行之后，通过浏览器访问：http://localhost:8089（Locust启动网络监控器，默认为端口号为:8089）
出现如下界面启动成功，输入对应的虚拟用户数、用户启动速度，点击Start swarming，开始运行性能测试。
Number of users：设置模拟用户总数
Spawn rate（users started/second）：每秒新增虚拟用户数
Host：目标服务器的ip端口或域名
测试监控字段说明
点击STOP，运行完成，查看测试统计如下，类似于jmeter中聚合报告的内容：
Type：请求的类型，例如GET/POST。
Name：请求的路径。这里为百度首页，即：https://www.baidu.com/
request：当前请求数量。
fails：当前请求失败的数量。
Median：50%的用户响应时间，单位毫秒
90%ile：90%请求响应时间
Average：所有请求的平均响应时间，单位毫秒。
Min：最小响应时间，单位毫秒。
Max：最大响应时间，单位毫秒。
Average size：平均网络字节数
Current RPS：每秒请求书(TPS)。
Current Failures/s：每秒失败数。
响应时间和TPS曲线图
好书推荐
《Python编程从入门到精通》
本书侧重于Python程序开发过程中重点和难点的理解，结合具有典型性的程序案例，用通俗的语言由浅入深、循序渐进地帮助读者掌握Python语言。知识点都使用生活中的案例帮助理解，每个案例都有详尽的代码解释，实战部分也会将Python语言与Web和数据分析等技术相结合，进行技术应用上的扩展。
留言点赞送此书：点在看本文并留言（本文内容相关、本书相关、其他公众号建议），我将随机挑选一位粉丝包邮送出本书（同一人一个月只有一次机会），送书活动会持续进行，机会多多，大家持续关注，感谢。
