4. 压测工具选型与对比：wrk、hey、vegeta、ghz（gRPC）、k6、locust的优缺点与适用场景
在Go微服务性能调优的压测闭环中，工具选型直接决定了测试数据的可信度与团队协作效率。不同工具在协议支持、并发模型、资源开销、可编程性上差异显著。本节从工程实战角度，对六款主流压测工具进行横向对比，并给出选型决策原则。
4.1 工具全景对比
以下表格从核心维度对比六款工具，帮助快速建立选型认知：
| 工具 | 协议支持 | 并发模型 | 资源开销 | 可编程性 | 分布式支持 | 核心优势 |
|---|---|---|---|---|---|---|
| wrk | HTTP/1.1 | 多线程 + epoll/kqueue | 极低 | Lua脚本 | 无 | 单机吞吐极高，适合快速基准测试 |
| hey | HTTP/1.1 | goroutine | 低 | 命令行参数 | 无 | 安装简单，输出直观，适合快速验证 |
| vegeta | HTTP/1.1 | goroutine + 速率控制 | 低 | Go库 + CLI | 无 | 恒定速率攻击，结果可导出，适合CI集成 |
| ghz | gRPC (HTTP/2) | goroutine + 连接池 | 中 | CLI + Go库 + 配置文件 | 无 | gRPC原生压测，支持protobuf反射 |
| k6 | HTTP/1.1, HTTP/2, gRPC, WebSocket | goroutine + VU模型 | 中 | JavaScript ES6 | k6-operator (K8s) | 脚本灵活，内置指标，生态完善 |
| locust | HTTP/1.1, HTTP/2, gRPC (插件) | 协程 (gevent) | 中高 | Python | 原生支持 (Master-Worker) | 分布式原生，Python生态，Web UI实时监控 |
4.2 工具深度解析
4.2.1 wrk：单机吞吐之王
wrk 利用操作系统原生多线程 + 非阻塞I/O（epoll/kqueue），在单机上即可产生极高并发。适合对HTTP服务进行快速基准测试，获取极限QPS和延迟分布。
- 优点： 单机吞吐极高（10万+ QPS常见），延迟统计精确，Lua脚本可定制请求。
- 缺点： 仅支持HTTP/1.1，不支持HTTP/2和gRPC；无分布式能力；Lua脚本能力有限。
- 适用场景： 快速基准测试、对比测试、极限容量摸底。
4.2.2 hey：极简主义压测
hey 是wrk的Go替代品，安装仅需一条命令，输出包含状态码分布、延迟百分位等关键信息。适合开发者在本地快速验证接口性能。
- 优点： 安装极简，输出直观，支持自定义Header和Body。
- 缺点： 功能单一，无速率控制，无脚本能力，不适合复杂场景。
- 适用场景： 本地开发调试、快速验证接口是否正常响应。
4.2.3 vegeta：恒定速率压测标杆
vegeta 的核心设计理念是“恒定速率攻击”（Constant Attack Rate），即每秒发送固定数量的请求。这使其非常适合模拟真实流量模式，并观察系统在稳定压力下的行为。
- 优点： 速率控制精确，结果可导出为JSON/CSV/直方图，提供Go库便于集成。
- 缺点： 仅支持HTTP/1.1，无分布式能力，无实时Web UI。
- 适用场景： CI/CD流水线集成、容量规划、SLA验证。
4.2.4 ghz：gRPC压测首选
ghz 是专为gRPC设计的压测工具，支持protobuf反射、TLS、元数据注入、流式调用等gRPC特性。对于Go微服务中大量使用的gRPC通信，ghz是必不可少的工具。
- 优点： 原生支持gRPC，支持Unary/Server Streaming/Bidirectional Streaming，延迟统计精确。
- 缺点： 仅支持gRPC，不支持HTTP；配置参数较多，学习曲线略陡。
- 适用场景： gRPC接口压测、protobuf服务验证、gRPC网关性能测试。
4.2.5 k6：现代可编程压测平台
k6 使用JavaScript ES6编写测试脚本，内置丰富的指标系统（吞吐量、延迟、错误率、阈值检查），并支持HTTP/2、gRPC、WebSocket等多种协议。其生态包括k6-operator（K8s分布式）、Grafana集成等。
- 优点： 脚本灵活，指标丰富，支持阈值断言，CI/CD集成友好，社区活跃。
- 缺点： 资源开销高于wrk/vegeta，JavaScript运行时有一定性能损耗。
- 适用场景： 复杂业务场景压测、性能回归测试、全链路压测。
4.2.6 locust：分布式压测首选
locust 使用Python编写测试逻辑，原生支持Master-Worker分布式架构，提供Web UI实时查看测试进度和指标。适合需要模拟大量并发用户且需要分布式能力的场景。
- 优点： 分布式原生支持，Web UI实时监控，Python生态丰富，可扩展性强。
- 缺点： 单机吞吐较低（受GIL限制），资源开销较高，配置相对复杂。
- 适用场景： 大规模分布式压测、需要实时监控的演示场景、Python技术栈团队。
4.3 选型决策原则
选择压测工具时，建议遵循以下原则：
- 协议匹配优先： 被测服务使用HTTP/1.1、HTTP/2还是gRPC？选择原生支持该协议的工具，避免协议转换带来的误差。
- 速率控制模式： 需要恒定速率（模拟真实流量）还是最大并发（极限测试）？vegeta和k6擅长前者，wrk和hey擅长后者。
- 可编程性需求： 是否需要复杂的请求编排、数据关联、阈值断言？k6（JS）和locust（Python）提供完整编程能力。
- 分布式能力： 单机能否满足压力需求？若需要分布式，locust原生支持，k6可通过k6-operator实现。
- CI/CD集成： 是否需要将压测嵌入流水线？vegeta和k6提供CLI和库，结果可解析，集成成本低。
- 团队技术栈： 团队熟悉Go、JS还是Python？选择与团队技能匹配的工具，降低学习成本。
- 快速基准测试： wrk 或 hey
- HTTP接口恒定速率压测： vegeta
- gRPC接口压测： ghz
- 复杂场景/全链路压测： k6
- 大规模分布式压测： locust
4.4 压测工具选型决策流程图
以下SVG图展示了从需求到工具选型的决策路径：
4.5 压测工具在Go微服务压测闭环中的定位
在压测闭环中，不同工具承担不同角色。以下SVG图展示了工具在闭环各阶段的典型使用位置：
4.6 快速安装与验证
以下命令可快速安装各工具并验证可用性：
# wrk (macOS: brew install wrk; Linux: 编译安装)
wrk -t12 -c400 -d30s http://localhost:8080/api
# hey
go install github.com/rakyll/hey@latest
hey -n 10000 -c 100 http://localhost:8080/api
# vegeta
go install github.com/tsenart/vegeta/v12@latest
echo "GET http://localhost:8080/api" | vegeta attack -rate=100 -duration=30s | vegeta report
# ghz
go install github.com/bojand/ghz/cmd/ghz@latest
ghz --insecure --proto ./api.proto --call mypackage.MyService.MyMethod -d '{"name":"test"}' localhost:50051
# k6 (macOS: brew install k6; Linux: 下载二进制)
k6 run script.js
# locust
pip install locust
locust -f locustfile.py --headless -u 100 -r 10 --run-time 30s