3. 压测环境搭建

好，咱们进入实战环节。说实话，很多压测翻车，不是工具不行，而是环境没搭好。我见过太多人直接在服务器裸奔装包，结果依赖冲突搞到心态爆炸。今天咱们就把这套流程捋顺，保证你以后搭环境不再踩坑。

3.1 Linux服务器压测环境准备

先说说服务器选型。我个人习惯用 CentOS 7 或 Ubuntu 20.04 以上的版本。为什么？因为这两个生态最成熟，遇到问题网上随便一搜就有答案。

嗯，这里要注意几个前置条件：

• 内核参数调优：压测时并发连接数会很高，默认的 ulimit -n 只有 1024，根本不够用。我曾经有一次压测到一半，连接数直接爆了，排查了半天才发现是文件描述符限制。
• 关闭防火墙和 SELinux：测试环境别给自己找麻烦，这些东西生产环境再开。
• 时间同步：压测日志的时间戳必须准确，不然分析性能瓶颈时你会疯掉。

我一般会先跑一个检查脚本，把基础环境扫一遍：

# 检查系统版本
cat /etc/os-release

# 调整文件描述符限制
echo "* soft nofile 65535" >> /etc/security/limits.conf
echo "* hard nofile 65535" >> /etc/security/limits.conf

# 关闭防火墙（测试环境）
systemctl stop firewalld
systemctl disable firewalld

# 关闭 SELinux
setenforce 0
sed -i 's/SELINUX=enforcing/SELINUX=disabled/' /etc/selinux/config

# 安装基础工具
yum install -y wget curl git vim net-tools

3.2 Python虚拟环境配置

为什么要用虚拟环境？你想想看，服务器上可能已经装了 Python 3.6，但压测工具需要 Python 3.9，而且依赖的包版本还不一样。直接装的话，系统自带的工具可能就挂了。

我推荐用 venv，它是 Python 3.3+ 自带的模块，轻量又好用。当然，如果你喜欢 conda 或者 virtualenv 也行，看个人习惯。

具体操作很简单：

# 安装 Python 3.9（如果系统没有）
yum install -y python39 python39-devel

# 创建虚拟环境
python3.9 -m venv /opt/loadtest_env

# 激活虚拟环境
source /opt/loadtest_env/bin/activate

# 验证一下
which python
# 输出应该是 /opt/loadtest_env/bin/python

激活后，你的终端前面会出现 (loadtest_env) 的标识。这时候你安装的所有包，都只会放在这个目录下，不会污染系统环境。

3.3 依赖安装

好，环境准备好了，接下来装依赖。压测常用的 Python 库有这些：

库名	用途	版本建议
locust	分布式压测框架	2.15+
requests	HTTP 请求库	2.28+
psutil	系统资源监控	5.9+
pandas	结果数据分析	1.5+
matplotlib	图表绘制	3.6+
nvidia-ml-py	GPU 显存监控	11.0+

安装命令很简单：

# 确保在虚拟环境中
pip install --upgrade pip

# 批量安装
pip install locust requests psutil pandas matplotlib nvidia-ml-py

# 或者用 requirements.txt
pip install -r requirements.txt

这里有个坑，我必须要说。有一次我在一台新服务器上装 nvidia-ml-py，死活装不上。查了半天才发现，这台机器没装 NVIDIA 驱动。你想想看，没有驱动，你怎么监控显存？

装完之后，验证一下：

# 检查 locust 版本
locust --version

# 检查 GPU 监控库
python -c "import pynvml; print('OK')"

# 导出依赖清单（方便其他人复现）
pip freeze > requirements.txt

3.4 知识体系总览

说了这么多，咱们用一张图把整个流程串起来。这样你脑子里就有个全局概念了。

这张图把咱们今天讲的内容串起来了。从左到右，先搞定服务器基础环境，再搭好 Python 虚拟环境，最后装上压测需要的依赖包。每一步都有坑，但只要你按这个流程走，基本不会出大问题。