api 接口测试工具：Postman、Apifox、Apipost、api压测(locust)、locust爬虫

api 接口测试工具：Postman、Apifox、Apipost、api压测(locust)、locust爬虫

2024-12-27 04:32

1. Apifox 是否收费？

Apifox 公网版 (SaaS 版) 免费，私有化部署版收费。

2. 登录（Auth）态如何实现？

请参考文档：登录态（Auth）如何处理。

4. B 接口请求参数依赖于 A 接口返回的数据，如何实现？

请参考文档：接口之间如何传递数据。

5. 同项目下有不同域名的接口，如何处理？

方案一：在环境里新增多个服务，分别设置不同的前置 URL ,接口分组和接口维度可以指定对应的前置 URL。推荐本方案！

方案二：把域名设置成环境变量如，接口路径这样填写：。接口路径是以或起始的，系统会自动忽略里环境里前置 URL。

方案三：给不同域名接口设置不同环境，通过切换环境来运行不同域名下的接口。不推荐本方案！

6. 脚本如何读取或修改接口请求信息？

请参考文档：脚本读取/修改接口请求信息

7. 是否支持查询数据库字段作为参数传给接口？

支持，请参考文档：数据库操作

8. 数据是存储在本地还是云端？可否离线使用？可否私有化部署？

目前 Apifox 有和。

是免费的，数据都是存在云端的，需要联网才能使用。

是收费的，数据存在使用者企业内部，不连外网也可以使用。

注意

环境变量/全局变量里的 本地值 仅存放在本地，不会同步到云端，团队成员之间也不会相互同步，适合存放、、之类的敏感数据。

9. 使用 Postman 调用接口返回正常，而 Apifox 返回错误

解决方法：对比 postman 和 apifox 实际发出的请求内容（url、参数、body、header）是否完全一样。

查看实际请求内容方法：

Apifox：返回内容下的 tab 里查看
Postman：点击底部状态栏里的查看

10. 为什么修改了环境变量（或全局变量）值，而引用的地方没有生效？

请检查、、里是不是有多个地方定义了的变量，如果有，系统会根据优先级来取值。优先级顺序如下：>>。
请检查修改的是否是，环境变量（或全局变量）仅读取，而不会读取。

11. Web 端与客户端有何区别？

Web 端与客户端在主要流程的使用上没有明显差异，都能够满足团队内的接口协作需求，但以下功能存在差异。

以下截图均为 Web 端截图。

导出接口

Web 端：❌ 客户端：✅

Agent 服务

Web 端：✅ 客户端：❌

本地 Mock 功能

Web 端：❌ 客户端：✅

生成业务代码

Web 端：❌ 客户端：✅

外部程序

Web 端：❌ 客户端：✅

调整字体大小

Web 端：❌ 客户端：✅

网络代理

Web 端：❌ 客户端：✅

12. Web 端与客户端数据不同步如何处理？

若发现客户端中某个项目的接口数据与 Web 端不一致，那么有可能是因为两端数据未同步。你可以尝试以下两种方法解决：

退出 Apifox 客户端后重新运行。
进入 Apifox 客户端中的项目后，点击右上角的“刷新”按钮。

官网：
官网文档：

web 压测工具

JMeter：一个广泛使用的开源压力测试工具，可用于测试Web应用程序的性能，包括APIs。
PerformanceRunner：泽众PerformanceRunner(简称PR)是国内专业的支持http、https、websocket、tcp/ip、MQ等各种协议、10万+海量并发、可靠的性能测试工具/压力测试工具，降低了应用系统运行风险。
Gatling：这是另一个开源压力测试工具，使用Scala编写，可用于测试Web应用程序和APIs的性能。
LoadRunner：这是一种商业压力测试工具，可测试多种协议，包括Web、API等
Postman：这是一个流行的API开发工具，它还具有测试和监视API性能的功能。
Apache Bench：这是一个简单但功能强大的工具，可用于测试Web应用程序和APIs的性能。
Siege：这是另一个免费的压力测试工具，可用于测试Web应用程序和APIs的性能。

Jmeter 基于多线程，Locust 基于协程。 Locust 默认的 HttpSession 客户端性能有点低，做压测还是建议使用 FastHttpLocust 客户端，但是 Locust 官网也提到了，FastHttpLocust 并不能完全替代 HttpSession，这个还得取决于测试场景

发压能力：相同并发下，Locust（使用FastHttpLocust）> Jmeter

并发能力：Locust和Jmeter旗鼓相当，都能满足工作需求，Jmeter 消耗的内存更高

如果只是做简单的接口测试、压力测试，没有需要写代码来扩展的特殊需求，首选 Jmeter；
如果某些测试场景需要写代码来扩展，你会 Java 的话，可以选择Jmeter；
如果某些测试场景需要写代码来扩展，你会 Python 的话，可以选择 Locust；
如果想在单台机器发起更大的压力的话，并且 Python 代码能力不错的话，可以选择 Locust，记得一定要使用 FastHttpLocust 客户端

官网：
官网文档：
github：

蝗虫测试本质上只是一个 Python 程序，向要测试的系统发出请求。来进行百万长连接性能测试。Locust 基于 gevent 使用协程机制，避免了系统资源调度，由此可以大幅度提高单机的并发性能。

Locust 是使用 python 开发的，自带一个Web UI，用于定义用户模型，发起测试，实时测试数据，错误统计等。

使用类 linux 平台时请一定要修改最大文件打开数量。可以使用 ulimit -n 查看当前支持的文件句柄，并用 ulimit -n xxxx 来进行修改。ulimit -n 65535

API

- User class
- HttpUser class
- FastHttpUser class
- TaskSet class
- task decorator
- tag decorator
- SequentialTaskSet class
- Built in wait_time functions
- HttpSession class
- Response class
- ResponseContextManager class
- Exceptions
- Environment class
- Event hooks
- Runner classes
- Web UI class
- Other

Changelog Highlights

安装 Locust

安装：pip install locust

locust --help

用法: locust [options] [UserClass ...]

命令选项:

-h, --help 帮助
-f <filename>, --locustfile <filename> py脚本文件
--config <filename> 配置文件
-H <base url>, --host <base url> 要测试的URL地址
-u <int>, --users <int> Locust并发用户的数量
-r <float>, --spawn-rate <float> 生成用户的速率(每秒)
-t <time string>, --run-time <time string> 运行多长时间(300s, 20m, 3h, 1h30m), 默认一直运行
-l, --list 列出可用的 User classes 并退出。示例： locust -f my_py.py -l

Web UI 选项:

--web-host <ip> 运行web绑定的网卡地址. 默认所有。
--web-port <port number>, -P <port number> 运行web的绑定端口
--headless 无头模式，关闭web界面，立即启动测试。使用-u和-t来控制用户数量和运行时间
--autostart 立刻开始测试 (跟 --headless 很像, 但是不会禁用 web UI)
--autoquit <seconds> 在运行结束后X秒完全退出蝗虫。只能与 --autostart 一起使用。
默认情况下，Locust将一直运行，直到您使用CTRL+C关闭它
--web-auth <username:password> 基本验证。格式:username:password
--tls-cert <filename> 用于通过HTTPS提供服务的TLS证书的可选路径
--tls-key <filename> 用于通过HTTPS提供服务的TLS私钥的可选路径
--class-picker 启用web界面中的选择框，选择 "用户类"
--modern-ui 使用新的基于react的web UI前端

Master options: 主节点选项

worker节点连接到master节点后，master才能进行负载测试
--master 启动 master 节点，等待 worker 进行连接
--master-bind-host <ip> master节点绑定的网卡ip，默认绑定所有网卡。
--master-bind-port <port number> master监听的端口，默认 5557
--expect-workers <int> 延迟测试，至到指定数量的worker连接成功后才进行测试
--expect-workers-max-wait <int> 等待时间。

Worker options: 从节点选项

--worker 设置为 worker 节点
--processes <int> worker的进程数
--master-host <hostname> master节点的ip. 默认 127.0.0.1.
--master-port <port number> master节点的端口. 默认 5557.

Tag 选项:

可以使用@tag装饰器标记蝗虫任务。这些选项允许指定在测试期间包含或排除哪些任务。
-T [<tag> ...], --tags [<tag> ...] 列出包含的测试
-E [<tag> ...], --exclude-tags [<tag> ...] 列出排除的测试

Request statistics options:

--csv <filename> 以CSV格式存储请求统计信息到文件。
--csv-full-history
--print-stats 启用在UI运行中定期打印请求状态
--only-summary 禁用在 --headless 运行期间定期打印请求统计信息
--reset-stats 一旦 spawning 完成就重置状态
--html <filename> 将HTML报告存储到指定的文件路径
--json 将最终统计数据以JSON格式打印到stdout。

Logging options:

--skip-log-setup 禁用蝗虫的日志设置。使用由Locust测试或者Python提供的。
--loglevel <level>, -L <level> DEBUG/INFO/WARNING/ERROR/CRITICAL. Default is INFO
--logfile <filename> log文件路径

其他 options:

--show-task-ratio 打印用户类的任务执行比率表。
--show-task-ratio-json 打印User类任务执行率的json数据。
--version, -V
--exit-code-on-error <int> 设置要在测试结果包含任何失败或错误时使用的进程退出代码。默认为1
-s <number>, --stop-timeout <number>
--equal-weights 使用均匀分布的任务权重，覆盖locustfile中指定的权重。
--enable-rebalancing 允许在测试运行期间添加或删除新工作者时自动重新平衡用户。

User classes:

<UserClass1 UserClass2> 在命令行末尾，您可以列出要使用的用户类(可用的用户类)
可以用——list)列出。LOCUST_USER_CLASSES环境变量也可用于
指定用户类。默认是使用所有可用的User类

示例:

locust -f my_test.py -H https://www.example.com
locust --headless -u 100 -t 20m --processes 4 MyHttpUser AnotherUser

编写 web 服务

首先使用 fastapi 启动一个 web 服务：

使用 locust 测试并发数

my_test.py

执行命令：locust -f my_test.py --modern-ui

访问 http://127.0.0.1:8089 进行测试前的配置。

第1个"Number of total users to simulate" 填写的是总共将运行的用户数；默认1就可以。
第2个 "Hatch rate"每秒加载的用户数；默认1就可以。
第3个 "Host"，被测接口的域名或ip端口地址(带http://)

配置完成后，点击 start swarm 开始进行测试，locust 就会不停的向测试服务发送请求，就可以测出每条中并发数了

因为高级参数里面没有配置测试时间，所以会一直向发出 HTTP 请求，手动点击 stop 停止发送请求。

Python 直接运行

可以直接执行 Python 代码启动负载测试，而不是使用命令。

首先创建一个实例：

的实例方法 create_local_runner、create_master_runner 可以用来启动一个 Runner实例，Runner实例可以用来启动一个负载测试:

也可以绕过调度和分发逻辑，手动控制生成的用户：

上面的示例仅适用于独立/本地运行程序模式，并且是一个实验性功能。更常见/更好的方法是使用init 或 test_start 事件钩子来获取/创建令牌列表，并使用on_start和on_stop方法从该列表中读取并将它们设置在您的单个User实例上。

虽然可以通过这种方式 ( 使用 ) 创建 locust 工作线程，但这几乎没有意义。每个工作线程都需要在单独的Python进程中，直接与工作线程运行程序交互可能会破坏一些东西。只需使用常规 locust --worker ...命令启动工作程序即可。

还可以使用实例的方法启动一个 Web UI，该 UI 可用于查看统计信息并控制运行器（例如启动和停止负载测试）：

完整示例

示例：百万长连接性能测试

：

接下来我们开始启动测试

启用 WEB 界面：locust -f locust_test1.py 执行后可以去 WEB 界面 http://127.0.0.1:8089 进行控制，
启用无WEB界面的方案 locust -f locust_test1.py --no-web -c 100 -r 20 -t 20m 模拟100用户，按20来进行递增，请求20分钟。

主从模式启动

locust -f locst_test1.py --master
locust -f locst_test1.py --slave --master-host=192.168.110.19

长连接脚本

简单的安装和QG我们都看过了，现在我们开始实战tcp长连接方式。因内部通信协议保密我们使用之前我开源的一个《超快地球物理坐标计算服务器》来进行演示。首先我们使用docker来启动服务器

我们首先创建一个Socket连接的基础类，主要负责socket连接的建立、收发消息、关闭

接下来我们创建一个实际的业务处理类UserBehavior集成自TaskSet

最终实现我们的启动类，一个完整的调用过程结束

我们模拟200用户启动下试试脚本。

参考资料

完整代码
超快地球物理坐标服务器
Locust官网文档

示例：变成性能测试老司机

：

locustfile 文件

locust 文件只是一个普通的 Python 模块

一个更完整/更现实的测试示例：

继承，为每个用户提供一个属性，该属性是的实例，可用于向我们要加载测试的目标系统发出 HTTP 请求。当测试开始时，Locust 将为其模拟的每个用户创建一个此类的实例，并且每个用户都将开始在他们自己的绿色 gevent 线程中运行。要使文件成为有效的 locustfile，它必须包含至少一个继承自的类。
方法是 locust 文件的核心。对于每个正在运行的用户，Locust 都会创建一个 greenlet（微线程），它将调用这些方法。其中一个方法被赋予了更高的权重3，没有权重时任务是随机选择的，分配不同的权重，代表执行的次数更多，这里权重是3，说明调用view_items的次数可能是 hello_world 的三倍

HttpUser 不是真正的浏览器，因此不会解析 HTML 响应来加载资源或呈现页面。不过，它会跟踪 cookie。

在任务中，通过查询参数载入了10个不同的url，为了不让在locust的统计状态中显示，可以使用参数进行分组显示

自动生成 locustfile 文件

对于不习惯编写 locustfile 的初学者特别有用。har2locust 仍处于测试阶段。它可能并不总是生成正确的 locustfile，并且其界面可能会在版本之间更改。

"User 类" 表示系统的一种用户/方案类型。当进行测试运行时，可以指定要模拟的并发用户数，Locust 将为每个用户创建一个实例。可以将任何你喜欢的属性添加到这些类/实例中，但有一些属性对 Locust 有特殊意义：

wait_time 用来在每次任务执行后引入延迟。就是在任务执行结束后等待多长时间，再继续执行下一个任务。等待时间只适用于任务，而不是请求。如果未指定，则下一个任务将在完成后立即执行。通过查看源码可以看到 wait_time 有4个方法可以进行设置：

在固定的时间内。示例：wait_time = constant(3) 任务执行结束后等待3秒在继续下一个任务。
最小值和最大值之间的随机时间。示例：wait_time = between(3.0, 10.5) 任务执行结束后，会等待3.0到10.5秒在继续下一个任务

吞吐量。示例：如果希望 Locust 在峰值负载下每秒运行 500 次任务迭代，则可以使用 wait_time = constant_throughput(0.1) 和 5000 的用户计数。吞吐量0.1 * 5000用户 = 500 个并发。示例：如果 wait_time = constant_throughput（2）并在任务中执行两个请求，则请求速率/RPS 将为每个用户 4。
步长，就是每多少秒运行一次。( 相当一的倒数 )

也可以直接在类上声明自己的 wait_time 方法。例如，下面的 User 类将休眠一秒钟，然后是两秒钟，然后是三秒钟，依此类推。

关于 -u 和 -r 参数：

因为"User 类" 表示系统的一种用户/方案类型。当进行测试运行时，可以指定要模拟的并发用户数，Locust 将为每个用户创建一个实例。
-u 1 -r 1：表示总共只有一个用户，每秒钟加载1个用户(相当于同时开始1并发请求)，加载完成后，立马开始不间断的进行请求。同时开始1并发请求，然后一直往上增长进行请求
-u 100 -r 20：表示总共有100个用户，每秒钟加载20个用户(相当于同时开始20并发请求)，5秒加载完成所有用户。每个用户加载完成后立马开始不间断的进行请求。同时开始20并发请求，然后一直往上增长进行请求
-u 100 -r 100：表示总共有100个用户，每秒钟加载100个用户(相当于同时开始100并发请求)，每个用户加载完成后立马开始不间断的进行请求。同时开始100并发请求，然后一直往上增长进行请求

weight 和 fixed_count 属性

如果希望模拟更多特定类型的用户，则可以在这些类上设置权重属性。例如，网络用户的可能性是移动用户的三倍：@task采用可选的权重参数，该参数可用于指定任务的执行比率

也可以设置属性。在这种情况下，权重属性将被忽略，并且将生成确切的计数用户。首先生成这些用户。在下面的示例中，将只生成一个 AdminUser 实例，以便进行一些特定的工作，更准确地控制请求计数，而不受用户总数的影响。

host 属性

host 属性是要测试的主机的 URL 前缀（例如）。它会自动添加到请求中，因此您可以这样做。可以在 Locust 的 Web UI 中或使用该选项在命令行上覆盖此值。

@tasks 和 task属性

启动负载测试时，将为每个模拟用户创建一个 User 类的实例，并且这些用户将开始在自己的绿色线程中运行。当这些用户运行时，他们会选择他们执行的任务，休眠一段时间，然后选择一个新任务，依此类推。User 类用装饰器将任务声明为其下的方法，也可以使用 tasks 属性指定任务

装饰器：为用户添加任务的最简单方法是使用装饰器。

tasks 属性：定义用户任务的另一种方法是设置属性。

tasks 属性可以是 Tasks 列表，也可以是字典，其中 Task 是 python 可调用对象或 TaskSet 类。如果任务是普通的 python 函数，则它们会收到一个参数，即执行任务的 User 实例。

如果将 tasks 属性指定为列表，则每次执行任务时，都会从 tasks 属性中随机选择该任务。但是，如果 tasks 是一个字典 - 将可调用对象作为键，int 作为值 - 将随机选择要执行的任务，但以 int 作为比率。因此，对于如下所示的任务：{my_task: 3, another_task: 1} 表示 my_task被执行可能性是another_task的 3 倍。在内部，上面的字典实际上将扩展为一个列表（并且属性已更新），如下所示：[my_task, my_task, my_task, another_task]，然后使用 Python 从列表中选择任务。

@tag装饰器

使用装饰器标记任务，然后通过和参数来选择在测试期间执行的任务。示例：

使用启动此测试，则在测试期间将仅执行 task1 和 task2。如果以启动它，则只会执行 task2 和 task3。

event 事件

如果你想在测试中运行一些设置代码，通常把它放在 locustfile 的模块级别就足够了，但有时你需要在运行中的特定时间做一些事情。为了满足这一需求，Locust 提供了事件钩子。

init 初始化

该事件在每个 locust 进程开始时触发。这在分布式模式下特别有用，在分布式模式下，每个工作进程（而不是每个用户）都需要机会进行一些初始化。例如，假设您有一些全局状态，从此过程中生成的所有用户都需要该状态：

其他事件

参阅以获取其他事件，以及如何使用它们的更多示例。

on_start 和 on_stop 方法

是最常用的。它添加了一个用于发出 HTTP 请求的属性。

client 属性 / HttpSession

是的实例。HttpSession 是的子类/包装器。就像一样，它会在请求之间保留 cookie，因此可以轻松用于登录网站。

response = self.client.post("/login", {"username":"testuser", "password":"secret"})
print("Response status code:", response.status_code)
print("Response text:", response.text)
response = self.client.get("/my-profile")

验证 response

如果 HTTP 响应代码正常（<400），则认为请求成功，但对响应进行一些额外的验证通常很有用。可以使用 catch_response 参数、with 语句和对 response.failure（）的调用将请求标记为失败

您还可以将请求标记为成功，即使响应代码错误：

您甚至可以通过抛出异常，然后在 with-block 之外捕获它来完全避免记录请求。或者你可以抛出一个 locust 异常让 locust 捕捉到它。

对请求进行分组

网站的 URL 包含某种动态参数的页面很常见。通常，在用户的统计信息中将这些 URL 组合在一起是有意义的。这可以通过将 name 参数传递给不同的请求方法来完成。

在某些情况下，可能无法将参数传递到请求函数中，例如在与包装请求会话的库/SDK 交互时。通过设置属性，提供了对请求进行分组的另一种方法。

如果要使用最少的样板链接多个分组，则可以使用上下文管理器。

使用 catch_response 并直接访问request_meta，您甚至可以根据响应中的某些内容重命名请求。

HTTP 代理设置

连接池

由于每个都会创建新的，所以每个用户实例都有自己的连接池。这类似于真实用户与 Web 服务器的交互方式。

但是，如果要在所有用户之间共享连接，则可以使用单个池管理器。为此，请将 class 属性设置为的实例。

TaskSets 是一种对分层网站/系统进行结构化测试的方法。You can read more about it here.

这里有很多 locustfile 示例： here

因为使用的是 gevent 协程，所以运行 Locust 单个进程就可以模拟相当高的吞吐量。对于一个简单的测试计划，它每秒发出数百个请求，如果使用 FastHttpUser，则为数千个请求。

但是如果测试计划很复杂，或者想要运行更多负载，则需要横向扩展到多个进程，甚至可能是多台计算机。由于 Python 无法充分利用每个进程的多个内核（参见 GIL），因此可能需要为每个处理器内核运行一个工作器实例才能访问所有计算能力。为此，

如果在同一台主机上，可以使用参数在主模式下启动一个 Locust 实例，并使用参数启动多个工作实例。
如果工作线程与主服务器不在同一台计算机上，则用于将他们指向运行主服务器的计算机的 IP/主机名。

为了简化操作，

可以使用 --processes 来开启多个实例，默认是开启一个 master 进程和指定数的 worker 进程
如果 --processes 和 --worker 同时使用，只会启动指定数的 workers，不会开启 master 进程
master 运行 Locust 的 Web 界面，并告诉 worker 何时生成/停止用户。master 本身不运行任何用户。
worker 运行您的用户并将统计信息发送回主服务器。每个工作线程可以运行的用户数几乎没有限制。Locust/gevent 每个进程可以运行数千甚至数万个用户，只要它们的总请求速率（RPS）不太高。如果 Locust 即将耗尽 CPU 资源，它将记录警告。如果没有警告，您可以非常确定您的测试不受负载生成器 CPU 的限制。

示例 1：单台机器

启动一个主进程和 4 个工作进程非常简单：locust --processes 4

也可以自动检测机器中的内核数量，并为每个内核启动一个工作线程：locust --processes -1

示例 2：多台机器

在一台机器上以主模式启动蝗虫：locust -f my_locustfile.py --master

然后在每台工作机器上：locust -f my_locustfile.py --worker --master-host <your master's address> --processes 4

请注意，主节点和工作节点都需要访问 locustfile，它不会自动从 master 发送到 worker。但是你可以使用 locust-swarm 来自动化它。

跨节点通信

在分布式模式下运行 Locust 时，您可能希望在主节点和工作节点之间进行通信以协调数据。这可以通过使用内置消息挂钩的自定义消息轻松完成：

使用更快的 HTTP 客户端提高性能: https://docs.locust.io/en/latest/increase-performance.html#increase-performance.

Locust 的默认 HTTP 客户端使用 python-requests。

Locust 还附带使用 geventhttpclient 实现的以非常高的吞吐量运行测试。它提供了一个非常相似的 API，并且使用的 CPU 时间要少得多，有时在给定硬件上每秒的最大请求数会增加 5 倍到 6 倍。假设单个 Locust 进程（仅限于一个 CPU 内核）使用 FastHttpUser 每秒可以执行大约 16000 个请求，使用 HttpUser 每秒可以执行 4000 个请求

只要负载生成器 CPU 没有过载，FastHttpUser 的响应时间应该与 HttpUser 的响应时间几乎相同。它不会更快地提出单个请求。

单个 FastHttpUser/geventhttpclient 会话可以并发执行请求，只需为每个请求启动 greenlets：

在调试器中运行 Locust 在开发测试时非常有用。除此之外，您可以检查特定的响应或检查某些用户实例变量。

但是调试器有时会遇到像 Locust 这样的复杂 gevent 应用程序的问题，而且框架本身发生了很多事情，您可能不感兴趣。为了简化这一点，Locust 提供了一种称为：

它隐式地为请求事件注册一个事件处理程序，以打印有关每个请求的一些统计信息：

可以通过将参数指定为来准确配置打印的内容。

打印 HTTP 通信

对于（ python-requests）：

对于（ geventhttpclient）：

可以在没有 Web UI 的情况下运行 locust 通过将与和一起使用：locust -f locust_files/my_locust_file.py --headless -u 100 -r 5

即使在无头模式下，您也可以在测试运行时更改用户计数。按下可添加 1 个用户或添加 10 个用户。按下可移除 1 或移除 10。

若要指定测试的运行时间，请使用：

locust --headless -u 100 --run-time 1h30m
$ locust --headless -u 100 --run-time 60 # default unit is seconds

默认情况下，Locust 会立即停止您的任务（甚至无需等待请求完成）。要给正在运行的任务一些时间来完成迭代，请使用：locust --headless --run-time 1h30m --stop-timeout 10s

如果要在没有 Web UI 的情况下运行 Locust 分布式，则应在启动主节点时指定选项，以指定预期连接的工作节点数。然后，它将等到许多工作节点连接后再开始测试。

Locust 带有许多事件钩子，可用于以不同的方式扩展 Locust。

例如，下面介绍如何设置在请求完成后触发的事件侦听器：

在分布式模式下运行 locust 时，在运行测试之前在工作节点上进行一些设置可能很有用。您可以通过检查节点的类型来检查以确保您没有在主节点上运行：

若要查看可用事件的完整列表，请参阅事件挂钩。Event hooks.

请求上下文

有一个 context 参数，使您能够传递有关请求的数据（例如用户名、标签等）。它可以直接在对请求方法的调用中设置，也可以在用户级别通过重写 User.context（）方法进行设置。

来自用户实例的上下文：

响应中值的上下文，使用catch_response：

添加 Web 路由

Locust 使用 Flask 来提供 Web UI，因此很容易将 Web 端点添加到 Web UI。通过侦听事件，我们可以检索对 Flask 应用实例的引用，并使用它来设置新路由：

您现在应该能够启动 Locust 并浏览到 http://127.0.0.1:8089/added_page

作为添加简单 Web 路由的替代方法，您可以使用 Flask 蓝图和模板不仅可以添加路由，还可以扩展 Web UI，以便与内置的 Locust 统计信息一起显示自定义数据。这更高级，因为它还涉及编写和包含路由提供的 HTML 和 Javascript 文件，但可以大大增强 Web UI 的实用性和可定制性。

扩展 Web UI 的工作示例，包括 HTML 和 Javascript 示例文件，可以在 Locust 源代码的 examples 目录中找到。

因为蝗虫文件“只是代码”，所以没有什么能阻止你生成自己的 greenlet 与你的实际负载/用户并行运行。

Locust 使用 Python 内置的日志记录框架来处理日志记录。

既然可以发起请求测试，那么肯定可以用来爬虫爬数据。

：

client 属性 / HttpSession

是的实例。HttpSession 是的子类/包装器。就像一样，它会在请求之间保留 cookie，因此可以轻松用于登录网站。

response = self.client.post("/login", {"username":"testuser", "password":"secret"})
print("Response status code:", response.status_code)
print("Response text:", response.text)
response = self.client.get("/my-profile")

验证 response

您还可以将请求标记为成功，即使响应代码错误：

您甚至可以通过抛出异常，然后在 with-block 之外捕获它来完全避免记录请求。或者你可以抛出一个 locust 异常让 locust 捕捉到它。

对请求进行分组

在某些情况下，可能无法将参数传递到请求函数中，例如在与包装请求会话的库/SDK 交互时。通过设置属性，提供了对请求进行分组的另一种方法。

如果要使用最少的样板链接多个分组，则可以使用上下文管理器。

使用 catch_response 并直接访问request_meta，您甚至可以根据响应中的某些内容重命名请求。

HTTP 代理设置

连接池

由于每个都会创建新的，所以每个用户实例都有自己的连接池。这类似于真实用户与 Web 服务器的交互方式。

但是，如果要在所有用户之间共享连接，则可以使用单个池管理器。为此，请将 class 属性设置为的实例。

限制并发数

注意：locust 如果未指定 wait_time 则一个任务完成后立即执行下一个任务。所以一定要限制并发数，防止对网站造成 DDOS 共计。可以在每个任务之间设置等待时间，来限制并发数。

User 类的  的方法可以很容易地在每次任务执行后引入延迟。

class MyUser(User):
   # wait between 3.0 and 10.5 seconds after each task
   wait_time = between(3.0, 10.5)

在固定的时间内

最小值和最大值之间的随机时间

例如，如果希望 Locust 在峰值负载下每秒运行 500 次任务迭代，则可以使用 wait_time = constant_throughput（0.1）和 5000 的用户计数。

等待时间只会限制吞吐量，而不能启动新用户来达到目标。因此，在我们的示例中，如果任务迭代时间超过 10 秒，则吞吐量将小于 500。

分布式爬虫

可以使用redis 作为任务队列，每个 work 从redis 获取任务

示例代码

test.py

首先添加任务：python test.py

然后 locust 执行：locust -f test.py

浏览器打开 url

安装 Locust

locust --help

编写 web 服务

使用 locust 测试 并发数

Python 直接运行

示例：百万长连接性能测试

示例：变成性能测试老司机

locustfile 文件

自动生成 locustfile 文件

weight 和 fixed_count 属性

host 属性

@tasks 和 task属性

@tag装饰器

event 事件

init 初始化

on_start 和 on_stop 方法

client 属性 / HttpSession

验证 response

对请求进行分组

HTTP 代理设置

连接池

示例 1：单台机器

示例 2：多台机器

跨节点通信

打印 HTTP 通信

请求上下文

添加 Web 路由

client 属性 / HttpSession

验证 response

对请求进行分组

HTTP 代理设置

连接池

限制 并发数

分布式 爬虫

示例 代码

使用 locust 测试并发数

限制并发数

分布式爬虫

示例代码