Locust 脚本开发入门（1）【四】

标签：包括   rate   port   new   图片   rmi   spawn   sel   就是   

脚本基本构成

一个 Locust 测试脚本就是一个普通的 python 文件，它的基本组成十分简单：

• 定义用户的类型
  所有用户的属性都需要继承自 User Class，我们最常用的 HttpUser 也是如此，你也可以定义一个如 TcpUser，或者 WebSocketUser，甚至基于你测试的业务系统来做一个，例如 QQUser，但是最终都必须继承至 User Class，类似于过去 LoadRunner、Jmeter 的选择应用的通讯协议或选择请求插件

• 等待时间的方法
  声明一个等待时间的方法，用于确定模拟用户在任务之间执行的等待停留时间。Locust 附带了一些内置函数用于返回等待时间的方法，包括：1、between：在指定范围内的随机；2、constant：基于响应到下一次请求之间的固定的等待时间；3、constant_pacing：基于请求到下一次请求的固定间隔时间

• 主机属性
  用于定义测试的主机信息，比如 http://www.cnblogs.com，如果在脚本中没有定义，那在命令行启动测试或 WebUI 中将作出定义

• 任务属性
  用于定义任务的执行逻辑，你可以定义多个任务，让模拟的用户按照不同任务的权重配置随机执行，也可以让任务按照你的编排顺序执行

脚本开发入门

我们采用循序渐进的方式来，你不需要特别关注下面的每个范例所具备的实际意义，只需要关心脚本的结构

1、先按照最基本的脚本结构写一个范例

from locust import user, task, between

class MyUser(User):
    @task
    def my_task(self):
        print("executing my_task")

    wait_time = between(5, 15)

脚本实现：

• 定义一个 class，命名为 MyUser，继承自 user
• 定义了一个 my_task 函数，任务就是 print 一句话
• 通过 @task，定义了 my_task 这个函数将被执行
• 定义了每次任务结束以后，随机等待时间的间隔区间为5~15秒，再执行下一次任务迭代

把它保存为 locustfile.py，然后执行

locust -f locustfile.py

然后在本地浏览器访问 http://localhost:8089/，在“Start new Locust run”页面

• Number of total users to simulate 中输入你需要模拟的用户总数
• Hatch rate (users spawned/second) 中输入每秒创建的用户数
• Host (e.g. http://www.example.com) 中输入Host站点信息（在本节范例里面随意输入即可，如：http://127.0.0.1）

点击“Start swarming”，可以命令行中看到返回：

PS E:\study.locust> locust -f .\locustfile.py
[2020-07-06 09:14:01,726] DESKTOP-FOCB2DV/WARNING/locust.main: System open file limit setting is not high enough for load testing, and the OS wouldnt allow locust to increase it by itself. See https://docs.locust.io/en/stable/installation.html#increasing-maximum-number-of-open-files-limit for more info.
[2020-07-06 09:14:01,726] DESKTOP-FOCB2DV/INFO/locust.main: Starting web interface at http://:8089
[2020-07-06 09:14:01,734] DESKTOP-FOCB2DV/INFO/locust.main: Starting Locust 1.1
[2020-07-06 09:14:11,992] DESKTOP-FOCB2DV/INFO/locust.runners: Hatching and swarming 10 users at the rate 10 users/s (0 users already running)...
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task
executing my_task

功能实现：

• 一个 print 语句本地跑着玩

2、把这个脚本修改为访问我的博客：）

import random
from locust import HttpUser, task, between

class cnblogUser(HttpUser):

    wait_time = between(5, 10)

    @task(2)
    def open_blog(self):
        self.client.get("/huanghaopeng/")

    @task(1)
    def open_links(self):
        self.client.get("/huanghaopeng/p/13100305.html")
        self.client.get("/huanghaopeng/p/13220749.html")
        self.client.get("/huanghaopeng/p/13187807.html")

    def on_start(self):
        self.client.get("/")

脚本实现：

• 把 User 替换为 HttpUser
• 通过 @task，配置了两个函数的执行权重分别为 2：1
• 在 open_blog 函数内，任务是模拟用户打开我的博客首页路径（Host + "/huanghaopeng/"，即：
  https://www.cnblogs.com/huanghaopeng/）
• 在 open_links 函数内，任务是模拟用户依次浏览 3 篇博客，注意，在这3篇博客的浏览过程中，是没有时间间隔的
• 定义了每次任务结束以后，随机等待时间的间隔区间仍然为 5~15 秒

把它保存为 locust_cnblogs.py，然后执行

locust -f locust_cnblogs.py

在 Web UI 中填入模拟用户数、加载速率、以及博客园的 Host 信息 https://www.cnblogs.com/huanghaopeng/

点击“Start swarming”，可见：

从上面的运行情况可以发现

• 标注1：作为 on_start 任务的内容，请求主机根目录只执行了 1 次（# Requests）
• 标注2：open_links 任务内依次访问 3 篇博文的执行顺序是可控的，并且同在一个任务内，次数也是一致
• 权重控制 2：1，实际的执行比例约为 40%：10%，但是随着场景执行时间越来越长，会越来越趋近于 66.6%：33.3%

现在我们对这个脚本进行一些修改，让它更像一个真实的用户访问行为：

• 任务等待时间：任务之间按照特定的等待时间进行间隔
• 步骤等待时间：在任务内加入步骤之间的时间间隔
• 参数化：文章页面参数
• 任务：按照顺序的方式执行
• 自定义 Locust 发出的 HTTP 请求头