测试工具选型：wrk、ab、locust、JMeter对比与Python自建脚本

做性能测试这么多年，我见过太多团队一上来就选工具。有人觉得JMeter万能，有人迷信wrk够快。其实选错工具，后面全白干。这一章，我把主流工具掰开揉碎讲清楚。

核心观点：没有最好的工具，只有最合适的场景。选型前先搞清楚你的目标——是测极限吞吐，还是模拟复杂业务流？

2.1 主流工具速览

先看一张总览图，把几个工具的核心定位搞清楚。

2.2 逐个拆解

wrk — 极限吞吐之王

wrk是我个人最常用的工具。它用C写的，底层基于epoll/kqueue，单机就能压出几十万QPS。我习惯用它做快速摸底——新服务上线，先跑一轮wrk看看天花板在哪。

使用技巧：wrk的Lua脚本可以定制请求，但别写太复杂逻辑，否则会拉低压测机性能。

# 基础用法
wrk -t12 -c400 -d30s http://target.com/api

# 带Lua脚本
wrk -t4 -c200 -d60s -s custom.lua http://target.com/api

不过wrk有个硬伤——不支持分布式。单机压不动的时候，你得自己搭多台机器拼数据。另外，它只支持HTTP/1.1，HTTP/2就别想了。

ab — 简单但够用

ab是Apache自带的工具，装好Apache就能用。说实话，它的功能很简陋，但胜在零依赖。我有时候在客户现场，机器上啥都没有，直接apt-get install apache2-utils就能开干。

# 基础用法
ab -n 10000 -c 100 http://target.com/api

# 带Keep-Alive
ab -k -n 10000 -c 100 http://target.com/api

注意：ab是单线程模型，并发高了容易成为瓶颈。我曾经用ab压5000并发，结果压测机自己先挂了。超过1000并发，建议换wrk。

Locust — 模拟真实用户

Locust用Python写，最大的特点是每个用户是一个协程。你可以写Python代码定义用户行为——登录、浏览、下单，一套流程走下来。我在做电商压测时特别喜欢用它，因为能模拟真实用户的思考时间。

from locust import HttpUser, task, between

class WebsiteUser(HttpUser):
    wait_time = between(1, 5)

    @task
    def browse_product(self):
        self.client.get("/product/123")
        self.client.post("/cart/add", json={"product_id": 123})

Locust原生支持分布式，Web UI可以实时看结果。但它的性能不如wrk——毕竟每个用户是Python协程，开销比C大。我一般用它做场景压测，不用它测极限吞吐。

JMeter — 重型武器

JMeter功能最全，插件生态也最丰富。从HTTP到JDBC、JMS、FTP，几乎啥都能测。它的GUI界面拖拽式配置，对新手友好。但说实话，我很少用JMeter做纯HTTP压测——太重了。

我的经验：JMeter适合做复杂业务链路的压测，比如一个下单流程涉及5个接口、3个数据库、2个MQ。这时候JMeter的断言、监听器、逻辑控制器就派上用场了。

JMeter的坑也不少。GUI模式跑压测会消耗大量资源，一定要用命令行模式。另外，它的报告虽然好看，但数据准确性有时存疑——我遇到过聚合报告和监听器数据对不上的情况。

2.3 Python自建压测脚本

有时候现成工具都不够灵活。比如你要测一个WebSocket长连接，或者要自定义协议。这时候，自己写脚本最靠谱。

我常用的方案是aiohttp + asyncio。Python的异步IO可以轻松拉起几千个连接，配合uvloop性能还能再提一截。

import asyncio
import aiohttp
import time

async def send_request(session, url):
    async with session.get(url) as resp:
        return await resp.text()

async def main():
    url = "http://target.com/api"
    concurrency = 500
    tasks = []

    async with aiohttp.ClientSession() as session:
        for _ in range(concurrency):
            tasks.append(send_request(session, url))
        start = time.time()
        results = await asyncio.gather(*tasks)
        elapsed = time.time() - start
        print(f"完成 {len(results)} 请求，耗时 {elapsed:.2f}s")

asyncio.run(main())

避坑指南：我曾经用Python自建脚本压测，结果发现连接数上不去。后来排查发现是ulimit没改。记得先执行ulimit -n 65535，否则连接数卡在1024。

自建脚本的优势是灵活，但劣势也很明显——你得自己处理数据采集、结果统计、错误重试。我一般只在工具搞不定的时候才用。

2.4 工具对比表

维度	wrk	ab	Locust	JMeter	Python自建
语言	C	C	Python	Java	Python
极限QPS	极高	中等	中等	中等	高
分布式	不支持	不支持	原生支持	支持	自实现
场景模拟	弱	极弱	强	极强	自定义
学习成本	低	极低	中	高	中
报告能力	弱	弱	中	强	自实现
适用场景	极限吞吐	快速验证	用户模拟	复杂链路	定制协议

2.5 选型策略

说了这么多，到底怎么选？我总结了一个三步法：

先看目标——测极限QPS还是测业务场景？前者选wrk，后者选Locust或JMeter。
再看环境——客户机器上啥都没有？用ab。团队有Python基础？用Locust。
最后看复杂度——单接口压测用wrk，多接口链路用JMeter，特殊协议自己写。

我的推荐组合：wrk做快速摸底 + Locust做场景压测 + Python脚本兜底。三件套覆盖90%的场景。

嗯，工具选型就聊到这儿。记住一点——工具是手段，不是目的。搞清楚你要测什么，再选工具，别反过来。

📚 课程目录

测试工具选型：wrk、ab、locust、JMeter对比与Python自建脚本

2.1 主流工具速览

2.2 逐个拆解

wrk — 极限吞吐之王

ab — 简单但够用

Locust — 模拟真实用户

JMeter — 重型武器

2.3 Python自建压测脚本

2.4 工具对比表

2.5 选型策略