3. 测试工具选型：JMeter、wrk、Locust 基础与选择策略

说到吞吐测试，选对工具等于成功了一半。我见过不少团队，工具选错了，折腾半天数据根本没法看。今天咱们就把 JMeter、wrk、Locust 这三款主流工具掰开揉碎聊一聊。

3.1 JMeter 基础使用

JMeter 是老牌劲旅了。我最早接触性能测试就是用它，那时候还在做电商项目，压测登录接口。说实话，它的 GUI 界面第一次看确实有点懵，但用顺手了会发现它真的很强大。

核心概念

• 线程组：模拟用户数，相当于并发量
• 取样器：发什么请求（HTTP、JDBC 等）
• 监听器：看结果（聚合报告、图形结果）
• 断言：判断请求是否成功

快速上手

创建一个 HTTP 请求的测试计划，大概就这几步：

1. 添加线程组，设置线程数（比如 100）、Ramp-Up 时间（10 秒）、循环次数
2. 添加 HTTP 请求默认值，填好协议、域名、端口
3. 添加 HTTP 请求取样器，填路径和参数
4. 添加聚合报告监听器
5. 点绿色三角运行

3.2 wrk 基础使用

wrk 是个轻量级选手，用 C 写的，性能极高。说白了，它就是一把手术刀，专门用来快速测量单接口的吞吐上限。

安装与基本命令

# 安装（Mac）
brew install wrk

# 基本用法
wrk -t12 -c400 -d30s http://localhost:8080/api/test

参数含义：-t 是线程数，-c 是连接数，-d 是持续时间。

输出解读

Running 30s test @ http://localhost:8080/api/test
  12 threads and 400 connections
  Thread Stats   Avg      Stdev     Max   +/- Stdev
    Latency    45.67ms   12.34ms 198.00ms   75.00%
    Req/Sec   723.45     89.21     1.02k    70.00%
  259842 requests in 30.00s, 38.97MB read
Requests/sec:   8661.40
Transfer/sec:      1.30MB

看到 Requests/sec: 8661.40 了吗？这就是吞吐量。wrk 的输出非常干净，没有多余的东西。

3.3 Locust 基础使用

Locust 是用 Python 写的，它的设计理念很特别——用代码定义用户行为。我个人很喜欢这种方式，因为可编程性极强。

一个简单的压测脚本

from locust import HttpUser, task, between

class WebsiteUser(HttpUser):
    wait_time = between(1, 5)  # 用户等待时间 1-5 秒

    @task
    def view_homepage(self):
        self.client.get("/")

    @task(3)
    def view_item(self):
        self.client.get("/item?id=1001")

你看，@task(3) 表示这个接口被访问的概率是前者的 3 倍。这种权重设计在模拟真实用户行为时特别有用。

运行与监控

# 启动 Web 界面
locust -f locustfile.py --host=http://localhost:8080

打开浏览器访问 http://localhost:8089，就能看到实时图表。Locust 的 Web UI 做得相当漂亮，可以动态调整并发数，这点 JMeter 和 wrk 都比不了。

3.4 工具对比与选择策略

这三款工具各有千秋。我画了张图，帮你快速理清思路：

详细对比表

维度	JMeter	wrk	Locust
开发语言	Java	C	Python
学习曲线	中等（GUI 复杂）	低（命令简单）	低（Python 基础）
最大并发能力	高（分布式）	极高（单机万级）	中（受 Python GIL 限制）
协议支持	HTTP/HTTPS/JDBC/FTP 等	HTTP/1.1	HTTP/HTTPS（可扩展）
结果报告	丰富（图表、HTML 报告）	简单（命令行输出）	实时 Web 图表
分布式支持	原生支持	不支持	支持（需额外配置）
适用场景	全链路压测、复杂场景	快速基准测试	行为模拟、持续集成

我的选择策略

嗯，这里我直接给结论：

• 想快速知道接口能扛多少 QPS → 用 wrk，30 秒出结果
• 要做完整的性能回归，有复杂的业务逻辑 → 用 JMeter，它的插件生态能帮你搞定大部分问题
• 团队全是 Python 工程师，需要灵活定制 → 用 Locust，写代码比拖拽组件快多了