3、常用工具介绍：wrk、ab、JMeter、Locust、Gatling 的优缺点对比

做吞吐测试这么多年，我摸过的工具少说也有七八个。每个工具都有自己的脾气，选对了事半功倍，选错了……嗯，我有一回用错工具压测一个长连接服务，折腾了两天数据全是废的。今天我把最常用的五个工具掰开揉碎讲给你听。

3.1 wrk：轻量级压测利器

wrk 是我个人最常用的快速验证工具。它基于 C 语言 + Lua 脚本，单机就能压出几十万的 QPS。

我在项目中遇到过一个问题：用 wrk 压测一个登录接口，发现 p99 延迟从 50ms 飙到了 800ms。排查了半天，原来是 Lua 脚本里每次请求都重新加载了 RSA 密钥文件。改成全局加载后，延迟直接降回 60ms。你看，工具本身没问题，脚本写得不讲究照样翻车。

3.2 ab：Apache 的老牌工具

ab（Apache Bench）是很多新手入门的第一个压测工具。说实话，我现在基本不用它了，但架不住它简单——一条命令就能跑。

ab -n 10000 -c 100 http://example.com/api

但你要小心，ab 有几个硬伤：

• 只支持 HTTP/1.0 和简单的 HTTP/1.1，对 HTTPS 支持很差
• 无法模拟复杂的请求流程，比如先登录再下单
• 统计信息过于简陋，只有平均延迟和吞吐，没有百分位延迟

3.3 JMeter：功能最全的“瑞士军刀”

JMeter 是我做复杂场景压测的首选。它支持 HTTP、JDBC、JMS、FTP 等几十种协议，还能通过插件扩展。

说实话，JMeter 的 GUI 界面第一次打开时我有点懵——按钮太多了。但用顺手之后，你会发现它的逻辑很清晰：

• 线程组控制并发模型
• 取样器定义请求类型
• 监听器收集结果数据
• 断言验证响应正确性

但 JMeter 也有缺点。它的 GUI 模式本身就很吃资源，我试过在 GUI 下开 500 个线程，结果 JMeter 自己先卡死了。记住，压测时一定要用命令行模式：

jmeter -n -t test.jmx -l result.jtl -e -o report/

3.4 Locust：Python 工程师的最爱

Locust 是我见过最“程序员友好”的压测工具。你用 Python 写一个类，定义每个用户的行为，剩下的交给它。

from locust import HttpUser, task, between

class WebsiteUser(HttpUser):
    wait_time = between(1, 5)
    
    @task
    def index(self):
        self.client.get("/")
    
    @task(3)
    def search(self):
        self.client.post("/search", {"q": "test"})

你看，代码可读性很强。@task 后面的数字表示权重，3 意味着 search 被执行的频率是 index 的 3 倍。这种设计很符合真实用户行为——不是每个用户都只访问首页。

3.5 Gatling：高性能的 Scala 选手

Gatling 用 Scala 写测试脚本，底层基于 Akka 的 Actor 模型，性能非常强悍。它的报告是我见过最漂亮的——HTML 格式，包含活跃连接数、响应时间分布、吞吐量趋势等十几个图表。

但说实话，Gatling 的学习曲线有点陡。如果你不会 Scala，写一个简单的 GET 请求都要查半天文档。不过一旦上手，你会发现它的 DSL 很优雅：

val scn = scenario("BasicSimulation")
  .exec(http("request_1")
    .get("/api/users")
    .check(status.is(200)))
  .inject(atOnceUsers(100))

3.6 横向对比：一张表说清楚

我整理了一个对比表格，方便你根据场景选工具：

维度	wrk	ab	JMeter	Locust	Gatling
开发语言	C + Lua	C	Java	Python	Scala
单机并发能力	极高	中等	中等	较高	极高
协议支持	HTTP/HTTPS	HTTP	几十种协议	HTTP/HTTPS	HTTP/HTTPS
脚本复杂度	低	极低	中等	低	高
分布式支持	不支持	不支持	支持	支持	支持
报告质量	命令行输出	命令行输出	HTML 报告	Web 实时	HTML 报告
学习成本	低	极低	中等	低	高

3.7 我的选型建议

你想想看，选工具其实就是在选“匹配度”：

• 快速验证接口性能：wrk，30 秒出结果，不废话
• 教学演示或简单测试：ab，一条命令搞定
• 复杂业务场景压测：JMeter，插件生态最丰富
• 团队全员 Python：Locust，代码即脚本，维护成本低
• 追求极致性能和报告：Gatling，就是学习曲线陡了点

这张决策树图是我自己画的，每次给团队做技术选型时都会拿出来用。你顺着左边的分支走，基本不会选错工具。

想要更多资料，联系可可