2. 测试环境搭建

好，咱们进入实战前的第一道坎——环境搭建。说实话，很多同学觉得这步就是装个软件，没啥技术含量。但我见过太多团队，工具选错了，后面全白干。监控没搭好，压测跑完了才发现数据丢了。嗯，今天咱们就把这事聊透。

2.1 压测工具选型：JMeter vs Locust vs Gatling

选工具这事，我个人的习惯是先看场景，再看团队。别盲目追新，也别死守老一套。下面这三款，我都在项目中实战过，说说我的真实感受。

2.1.1 JMeter：老牌劲旅，稳如老狗

JMeter 是我最早接触的压测工具。说白了，它就是个图形化的压力机。你点点鼠标，就能配出一个复杂的压测场景。我记得有一次帮一家银行做接口压测，对方要求必须用 JMeter，因为他们的运维团队只会这个。

优点很明显：

• 上手快，拖拽组件就能跑
• 插件生态丰富，几乎啥协议都支持
• 文档多，遇到问题百度一下就有答案

但坑也不少：

• GUI 模式压测时，本身就会消耗资源。我曾经犯过这个错——用 GUI 跑 500 并发，结果 JMeter 自己先挂了。
• 报告太丑，得配合插件或者自己写脚本处理。

2.1.2 Locust：Python 党的最爱

Locust 这东西，我第一次用就爱上了。为啥？因为它用 Python 写脚本，太灵活了。你想想看，Python 能干啥？能调库、能写逻辑、能对接各种数据源。我在做电商秒杀压测时，就用 Locust 配合 Redis 模拟了真实用户行为。

核心优势：

• 代码即配置，想怎么玩就怎么玩
• 分布式压测原生支持，一条命令搞定
• Web UI 实时查看结果，很直观

需要注意：

• 性能不如 Gatling，毕竟 Python 是解释型语言
• 报告功能偏弱，需要自己二次开发

2.1.3 Gatling：性能怪兽，CI/CD 首选

Gatling 是我最近两年才开始用的。说实话，一开始被 Scala 脚本吓到了。但用顺手之后，真香。它的报告是我见过最漂亮的，没有之一。而且它基于 Akka 的异步模型，单机就能压出很高的并发。

为什么选它？

• 性能极高，同样的硬件配置，Gatling 能压出 JMeter 2-3 倍的并发
• 报告自带图表，直接就能用
• 和 Jenkins、GitLab CI 集成非常方便

缺点也很明显：

• 学习成本高，Scala 语法对很多人来说是个坎
• 调试不方便，不像 Python 那样可以交互式调试

2.2 监控工具部署：Prometheus + Grafana

压测工具负责「造压力」，监控工具负责「看结果」。这两者缺一不可。我见过太多人，压测跑得飞起，结果服务器 CPU 都 100% 了还不知道。嗯，监控就是你的眼睛。

2.2.1 为什么选 Prometheus + Grafana？

市面上监控方案很多，但 Prometheus + Grafana 基本是业界标准。为啥？

• Prometheus：时序数据库，专门存指标数据。拉取模式，你不需要在每台机器上装 agent。
• Grafana：可视化面板，能把 Prometheus 的数据变成漂亮的图表。

说白了，Prometheus 负责「存」，Grafana 负责「看」。这对组合，就像咖啡和奶精，分开也能用，但合在一起才完美。

2.2.2 部署实战：Docker Compose 一键搞定

我个人习惯用 Docker 部署，省心。下面是我常用的 docker-compose.yml 配置：

version: '3.8'

services:
  prometheus:
    image: prom/prometheus:latest
    container_name: prometheus
    volumes:
      - ./prometheus.yml:/etc/prometheus/prometheus.yml
      - prometheus_data:/prometheus
    ports:
      - "9090:9090"
    command:
      - '--config.file=/etc/prometheus/prometheus.yml'
      - '--storage.tsdb.path=/prometheus'

  grafana:
    image: grafana/grafana:latest
    container_name: grafana
    ports:
      - "3000:3000"
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=admin
    volumes:
      - grafana_data:/var/lib/grafana

volumes:
  prometheus_data:
  grafana_data:

对应的 prometheus.yml 配置文件：

global:
  scrape_interval: 15s
  evaluation_interval: 15s

scrape_configs:
  - job_name: 'node_exporter'
    static_configs:
      - targets: ['host.docker.internal:9100']

  - job_name: 'jmeter'
    static_configs:
      - targets: ['host.docker.internal:9270']

2.2.3 关键指标：压测时该看什么？

很多新手一上来就盯着 CPU 看，其实不对。压测时，我建议你重点关注这几个指标：

2.3 知识体系总览

说了这么多，咱们用一张图来总结一下整个测试环境的架构：

这张图把整个流程串起来了。你想想看，压测工具造压力，被压系统扛压力，监控系统看压力。三个环节缺一不可。我在实际项目中，经常发现有人只关注压测工具，忽略了监控。结果压测跑完了，连个像样的报告都拿不出来。