压测工具选型：JMeter vs Locust vs wrk vs Go-stress-testing
做压测这么多年，我经常被问到同一个问题：到底该用哪个工具？
说实话，没有银弹。每个工具都有自己的脾气。我见过有人用JMeter压一个简单的API，结果自己先被JMeter搞崩溃了。也见过有人用wrk测复杂业务逻辑，测出来的数据根本没法看。
今天我就把这四个主流工具掰开揉碎讲清楚。你根据自己的场景选就行。
核心观点：工具没有绝对的好坏，只有适不适合你的场景。选错工具，压测结果就是废纸。
一、先看一张全景图
二、逐个拆解
1. JMeter — 压测界的瑞士军刀
JMeter是我最早接触的压测工具。说实话，第一次打开那个GUI界面，我有点懵。功能太多了。
优点：
- 协议支持最全：HTTP、HTTPS、WebSocket、JDBC、JMS...你能想到的它基本都有
- GUI界面直观：点点点就能配出复杂场景
- 插件生态丰富：各种监听器、断言、前置处理器
- 分布式压测：一台Master控制多台Slave
缺点：
- 资源消耗大：开个GUI就吃掉几百MB内存
- 脚本维护麻烦：jmx文件是XML格式，版本对比基本靠眼
- 高并发场景不稳定：我记得有一次压5000并发，JMeter自己先OOM了
我的建议：如果你需要测复杂业务流程（比如登录→下单→支付），或者需要各种断言和报告，JMeter是首选。但记得用命令行模式跑，别开GUI。
# 命令行模式示例
jmeter -n -t test_plan.jmx -l results.jtl -e -o report/2. Locust — Python玩家的最爱
Locust是我个人比较喜欢的工具。为什么？因为用Python写压测脚本，太灵活了。
优点：
- 脚本即代码：用Python定义用户行为，想怎么玩就怎么玩
- 协程机制：基于gevent，单机并发能力不错
- Web UI实时监控：跑起来能看到实时QPS、响应时间
- 分布式原生支持：启动多个worker就行
缺点：
- 性能上限不如wrk：毕竟是Python，GIL锁摆在那
- 协议支持有限：主要针对HTTP，其他协议需要自己写
- 报告功能弱：默认报告比较简陋
避坑指南：我曾经用Locust压一个长连接服务，结果协程池配置不对，压测机先挂了。记住，Locust的并发数不等于实际TCP连接数，这个坑很多人踩过。
# 一个简单的Locust脚本
from locust import HttpUser, task, between
class WebsiteUser(HttpUser):
wait_time = between(1, 5)
@task
def index(self):
self.client.get("/")3. wrk — 性能怪兽
wrk是我压测纯接口性能时的首选。它用C语言写的，就一个二进制文件，几MB大小。
优点：
- 性能极高：利用多核CPU和epoll/kqueue，单机轻松压出几十万QPS
- 资源占用极低：跑10万并发，内存占用不到100MB
- Lua脚本扩展：可以写Lua脚本定制请求逻辑
缺点：
- 功能单一：只支持HTTP协议，没有断言、没有报告
- 学习曲线陡：Lua脚本虽然灵活，但写起来不如Python顺手
- 不支持分布式：单机工具，没法多机协同
适用场景：你只是想看看某个接口的极限QPS是多少，或者对比不同配置下的性能差异。这时候wrk是最佳选择。
# wrk基本用法
wrk -t12 -c400 -d30s http://target.com/api
# 带Lua脚本的用法
wrk -t4 -c100 -d60s -s script.lua http://target.com/api4. Go-stress-testing — 国产新秀
这个工具是我最近两年才开始用的。Go语言写的，编译出来就一个二进制，跨平台直接跑。
优点：
- 部署简单：下载就能用，不需要装任何依赖
- 并发模型优秀：Go的goroutine，单机并发能力很强
- 支持多种协议：HTTP、WebSocket、TCP、gRPC
- 实时输出：跑的时候能看到实时QPS和响应时间
缺点：
- 社区较小：遇到问题可能找不到现成的解决方案
- 功能不够丰富：没有JMeter那么多插件
- 报告生成弱：需要自己二次处理结果
我的经验：做快速验证或者给开发同学演示的时候，我经常用Go-stress-testing。一行命令就能跑起来，效果很直观。
# Go-stress-testing基本用法
./go-stress-testing -c 100 -n 10000 -u http://target.com/api
# 带参数的POST请求
./go-stress-testing -c 50 -n 5000 -u http://target.com/api -d '{"key":"value"}' -H "Content-Type: application/json"三、横向对比
| 维度 | JMeter | Locust | wrk | Go-stress-testing |
|---|---|---|---|---|
| 学习成本 | 中高 | 低（需Python基础） | 中（需Lua基础） | 低 |
| 性能上限 | 中 | 中 | 高 | 高 |
| 协议支持 | 丰富 | 有限 | 仅HTTP | 较多 |
| 分布式 | 支持 | 支持 | 不支持 | 不支持 |
| 报告能力 | 强 | 中 | 弱 | 弱 |
| 资源占用 | 高 | 中 | 低 | 低 |
| 脚本维护 | 难（XML） | 易（Python） | 中（Lua） | 易（命令行） |
四、我的选型建议
说了这么多，到底怎么选？我总结几条经验：
- 复杂业务场景 → JMeter。别犹豫，它的插件和协议支持是其他工具比不了的。
- 需要灵活定制 → Locust。特别是你要模拟复杂的用户行为，Python脚本能搞定一切。
- 纯性能测试 → wrk。就想看看接口能扛多少并发，wrk是最轻量高效的选择。
- 快速验证 → Go-stress-testing。开发同学临时要测个接口，扔给他这个工具最省事。
最后说一句：我见过太多人纠结工具选型，结果花了两周研究工具，真正压测只用了半天。工具是手段，不是目的。先想清楚你要测什么，再选工具。
嗯，工具选型这块就聊到这。记住，没有最好的工具，只有最合适的工具。