详细说明
优势 5 项
用 Python 代码定义用户行为,可复用业务逻辑与工具库,测试脚本即 1 个普通模块
原生支持分布式压测,1 个主节点可协调上百个工作节点
内置 Web 界面实时展示响应时间、吞吐与错误率等 4 类核心指标
支持无界面模式与自定义指标上报,便于作为 1 个环节集成到 CI 与监控系统
单机可通过协程并发模拟数千用户,资源占用为进程模型的 1/10 量级
不足 4 项
需要具备 Python 编程能力,非技术人员上手门槛较高
报告与图表能力弱于商业压测平台,长期趋势分析需外部系统
协议支持以 HTTP 为主,其他协议的扩展需自行实现
高并发场景依赖事件循环调优,脚本不当容易出现瓶颈偏差
服务商概述
Locust 是开源的负载测试工具,用 Python 编写。它的核心思路是「测试即代码」:用户行为用一个继承自 User 的类描述,请求、等待与断言都用代码表达,可被版本控制与评审。
在开发工具分类里,它属于「开发者友好的压测方案」:与 JMeter 的图形化配置路线相比,Locust 更适合需要复杂业务编排与 CI 集成的团队。
核心优势
- 代码化场景:测试脚本可复用业务库与工具函数
- 分布式扩展:主从架构支持上百工作节点
- 实时界面:4 类核心指标即时可见
- CI 友好:无界面模式与自定义指标上报
- 资源高效:协程模型单机可模拟数千用户
产品生态
平台能力
场景定义、任务权重、分布式协调、实时统计、无界面运行、自定义指标与事件钩子。
集成
可与 Python 生态、GitHub Actions、Prometheus、Grafana 以及 Kubernetes 部署方式配合。
典型场景
API 压测、容量评估、性能回归门禁、混合业务场景模拟。
不足之处
- 需要编程能力:非技术角色上手较慢
- 报告能力有限:长期趋势需外部系统
- 协议有限:以 HTTP 为主,其他协议需扩展
- 调优要求:高并发下脚本质量直接影响结果
适用场景
- API 与 Web 压测(★★★★★):代码化场景最灵活
- 性能回归门禁(★★★★☆):无界面模式易集成
- 复杂业务编排(★★★★☆):可表达多步骤用户路径
- 纯图形化压测(★★★☆☆):JMeter 更合适
价格参考
| 项目 | 价格 | 备注 |
|---|---|---|
| Locust 本体 | $0 | MIT 开源,可商用 |
| 分布式部署 | 自建成本 | 由压测机规格与数量决定 |
| Locust Cloud | 按用量订阅 | 商业托管方案,按测试规模计费 |
常见问题
Locust 与 JMeter 如何选择?
团队具备 Python 能力且需要复杂场景与 CI 集成时选 Locust;偏好图形化、协议广泛时选 JMeter。
如何做分布式压测?
启动 1 个主节点与多个工作节点,工作节点通过 --worker 参数连接主节点即可协同施压。
压测结果能推送到监控系统吗?
可以,通过事件钩子把自定义指标推送到 Prometheus 等系统,再用 Grafana 展示。
单机能模拟多少用户?
取决于场景复杂度与机器规格,协程模型下数千用户通常可行,需结合实际压测验证。
代码示例
from locust import HttpUser, task, between
class ApiUser(HttpUser):
wait_time = between(1, 3)
host = "https://api.example.com"
def on_start(self):
resp = self.client.post("/login", json={"user": "demo", "pass": "demo"})
self.token = resp.json()["token"]
@task(3)
def list_items(self):
self.client.get("/items", headers={"Authorization": f"Bearer {self.token}"})
@task(1)
def create_item(self):
self.client.post("/items", json={"name": "demo"})
# 无界面运行 100 用户,持续 5 分钟
locust -f locustfile.py --headless -u 100 -r 10 -t 5m --host https://api.example.com
社区与资源
- 官方网站:https://locust.io/
- 源码仓库:https://github.com/locustio/locust
- 官方文档:https://docs.locust.io/
前往 Locust 官网 →
https://locust.io/
访问官网 ↗
推荐文章
- 01 GitLab CI/CD 最佳实践:从入门到生产级流水线 07-18
- 02 Prometheus 监控系统搭建:从指标采集到告警通知 07-18
- 03 Ansible 自动化运维实战:从配置管理到应用部署 07-18
- 04 Docker 入门教程:从安装到容器化部署 Web 应用 07-18
- 05 API 集成入门:REST vs GraphQL 对比与选型指南 07-18
- 06 GitHub Actions CI/CD 配置教程:自动化构建、测试与部署 07-18
- 07 Docker Compose 多容器部署:构建完整的应用编排方案 07-18
- 08 Kubernetes 入门部署指南:从零搭建 K8s 集群 07-18
- 09 VS Code 插件推荐 2026:提升开发效率的必备扩展 07-18
- 10 前端开发工具链 2026:Vite / Next.js / Tailwind CSS 生态综述 07-18