压测工具选型：JMeter、wrk、ab、Locust、Gatling、k6的对比与选型策略

说实话，每次有团队问我「到底该用哪个压测工具」，我都挺感慨的。因为这个问题背后，往往藏着更大的坑——很多人选工具只看名气，不看场景。我见过用JMeter测纯接口的，也见过用wrk测复杂业务链路的，结果嘛……嗯，都不太理想。

今天我就把这几个主流工具掰开揉碎，讲讲它们的真实面貌。你想想看，选工具就像选兵器，你得知道什么时候用刀，什么时候用剑。

一、先看一张全景图

我习惯把压测工具分成两类：脚本驱动型和配置驱动型。前者灵活但门槛高，后者易用但受限。下面这张图能帮你快速建立认知框架：

二、逐个拆解，不吹不黑

1. wrk —— 轻量级并发利器

wrk是我个人非常喜欢的一个工具。它用C语言写的，底层基于epoll/kqueue，单机就能压出几十万的QPS。说白了，它就是为「纯性能测试」而生的。

优点：

启动快，几行命令就能跑起来
资源消耗极低，压测机本身不会成为瓶颈
支持Lua脚本，可以做简单的参数化

缺点：

不支持复杂的业务逻辑（比如登录态、事务）
没有图形化报表，结果全靠自己分析
Windows支持不好，得用WSL

我的经验： 如果你只是想快速验证一个接口的极限QPS，wrk是最佳选择。我曾经用它压一个Redis缓存层，5分钟就定位到了连接池配置问题。

2. ab —— 最基础的压测工具

ab是Apache自带的工具，几乎每个Linux系统都有。它的用法简单到令人发指：ab -n 1000 -c 100 http://example.com/。但简单也意味着功能有限。

适用场景：

快速验证服务是否存活
简单的GET/POST请求压测
临时应急排查

注意： ab不支持HTTP/2，也不支持Cookie和Session管理。用它做复杂业务压测，结果会严重失真。我曾经看到有人用ab压登录接口，结果压出来的数据全是401错误……嗯，白忙活。

3. JMeter —— 功能最全，但最重

JMeter是压测界的「瑞士军刀」。它支持几乎所有的协议：HTTP、JDBC、JMS、FTP……插件生态也极其丰富。但代价就是——它真的很重。

优点：

图形化界面，拖拽式配置
支持分布式压测
报表和监听器非常完善

缺点：

启动慢，内存占用高（我见过有人压测机16G内存，JMeter自己就吃了8G）
脚本维护成本高，XML格式的.jmx文件很难做版本管理
高并发下自身会成为瓶颈

  避坑指南： 我曾经用JMeter压一个高并发场景，结果发现压测机CPU先打满了。后来排查发现是JMeter的图形界面和监听器拖了后腿。记住：生产级压测一定要用命令行模式，加 -n 参数。

4. Locust —— Python党的最爱

Locust用Python写脚本，基于协程实现并发。它的最大特点是「代码即脚本」，你可以用Python写任何复杂的业务逻辑。

优点：

脚本灵活，支持复杂的用户行为模拟
Web UI实时查看结果
天然支持分布式

缺点：

单机并发能力不如wrk（毕竟是Python）
协程模型在某些场景下会有性能损耗
报表功能比较基础

我的建议： 如果你的团队以Python为主，而且压测场景偏业务逻辑（比如电商下单流程），Locust是很好的选择。但如果是纯接口性能测试，我建议还是用wrk或k6。

5. Gatling —— 报表之王

Gatling用Scala编写，脚本也是Scala DSL。它的报表生成能力是六款工具中最强的——HTML报表自带动态图表，连响应时间分布图都给你画好了。

优点：

报表极其精美，适合给领导和客户看
性能优秀，基于Akka actor模型
支持录制和回放

缺点：

学习曲线陡峭（Scala DSL对Java开发者还算友好，但对纯Python/Go开发者就……）
脚本调试不方便
社区相对较小

  个人经验： 我一般只在「需要出正式性能报告」的场景用Gatling。比如给客户做性能验收，Gatling的报表一甩出来，基本不用多解释。但日常开发自测，我很少用它——太慢了，写个脚本要半天。

6. k6 —— 后起之秀，云原生首选

k6是近年来最火的压测工具。它用Go语言编写核心引擎，用JavaScript写测试脚本。说白了，它结合了wrk的性能和JMeter的灵活性。

优点：

性能极高，接近wrk的水平
JavaScript脚本，上手快
支持CI/CD集成，可以写断言做自动化
内置指标丰富（HTTP请求、TTFB、吞吐量等）

缺点：

不支持分布式（企业版才支持）
脚本能力有限（不能做太复杂的逻辑）
社区还在成长中

我的推荐： 如果你在做一个新的项目，而且有CI/CD pipeline，k6是首选。我最近几个项目都在用k6，配合Grafana做实时监控，效果非常好。

三、选型策略：一张表搞定

好了，上面说了这么多，你可能已经有点晕了。别急，我整理了一张对比表，你直接对着看就行：

工具	并发能力	脚本灵活性	报表质量	学习成本	推荐场景
wrk	⭐⭐⭐⭐⭐	⭐⭐	⭐	⭐	接口极限压测、快速验证
ab	⭐⭐⭐	⭐	⭐	⭐	临时排查、简单压测
JMeter	⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	企业级全链路压测、复杂协议
Locust	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	Python团队、业务逻辑压测
Gatling	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	性能验收、正式报告
k6	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐	CI/CD集成、云原生项目

四、我的选型心法

说了这么多，最后分享一个我自己的选型原则。其实很简单，就三步：

先看场景：是纯接口压测，还是业务链路压测？是给开发自测，还是给客户做验收？
再看团队：团队擅长什么语言？Java团队用JMeter或Gatling，Python团队用Locust，Go/JS团队用k6。
最后看预算：要不要分布式？要不要企业版支持？

  记住一句话： 没有最好的工具，只有最合适的工具。我见过有人用wrk写Lua脚本模拟登录流程，也见过有人用JMeter压一个简单的GET接口。工具是死的，人是活的。

嗯，关于压测工具选型，今天就聊到这儿。如果你在实际选型中遇到什么坑，欢迎随时交流。

想要更多资料，联系可可

📚 课程目录

压测工具选型：JMeter、wrk、ab、Locust、Gatling、k6的对比与选型策略

一、先看一张全景图

二、逐个拆解，不吹不黑

1. wrk —— 轻量级并发利器

2. ab —— 最基础的压测工具

3. JMeter —— 功能最全，但最重

4. Locust —— Python党的最爱

5. Gatling —— 报表之王

6. k6 —— 后起之秀，云原生首选

三、选型策略：一张表搞定

四、我的选型心法