📚 编程进阶教程站

第 2 章 · 安装与第一个脚本 ​

本章目标：理解 locustfile.py 的基本结构，掌握 HttpUser 类、@task 装饰器和 between() 等待时间三个核心概念，写出并运行你的第一个完整压测。

2.1 locustfile 的最小结构 ​

一个合法的 locustfile 只需满足一条规则：至少包含一个继承自 User（或其子类 HttpUser）的类。

python
# locustfile.py
from locust import HttpUser, task, between


class QuickstartUser(HttpUser):
    wait_time = between(1, 5)

    @task
    def hello_world(self):
        self.client.get("/hello")
        self.client.get("/world")

    @task(3)
    def view_items(self):
        for item_id in range(10):
            self.client.get(f"/item?id={item_id}", name="/item")

    def on_start(self):
        self.client.post("/login", json={"username": "foo", "password": "bar"})

这段代码包含了 Locust 的四大核心概念，接下来逐一拆解。

2.2 HttpUser：模拟一个用户 ​

HttpUser 是 Locust 内置的用户类，专门用于 HTTP 压测。当测试启动时：

  1. Locust 为每个虚拟用户创建一个该类的实例；
  2. 每个实例获得一个 client 属性——它是 HttpSession 的实例，负责发起 HTTP 请求；
  3. 每个用户运行在自己的 greenlet 协程中，互不阻塞。
python
class MyUser(HttpUser):
    host = "https://httpbin.org"  # 也可以在类里声明默认主机

    @task
    def get_ip(self):
        resp = self.client.get("/ip")  # 等价于 requests.get("https://httpbin.org/ip")
        print(resp.json())

client 与 requests 的关系

self.client.get() / .post() 的参数签名与 requests 库几乎完全一致（支持 headers、json、params 等）。如果你已经学过本站 HTTP 请求课程，可以无缝迁移。

2.3 @task：声明要执行的任务 ​

被 @task 装饰的方法就是虚拟用户的"行为"。每个用户会循环执行这些方法，每次随机挑一个：

python
@task
def browse_homepage(self):
    self.client.get("/")


@task(3)  # 权重为 3
def browse_product(self):
    self.client.get("/product/1")

@task(3) 表示这个任务被选中的概率是权重 1 任务的 3 倍——模拟"用户浏览商品比看首页更频繁"的真实场景。

2.4 between()：控制思考时间 ​

真实用户不会像机器人一样不停发请求。wait_time 属性定义了两次任务之间的等待：

python
from locust import between

wait_time = between(1, 5)  # 每次任务后随机等 1~5 秒

没有等待时间的话，所有用户会以最快速度轰炸目标系统——那是压力测试而不是负载测试。第 4 章会详细讲解更多等待策略。

2.5 运行与查看结果 ​

把脚本保存为 locustfile.py，在终端运行：

bash
$ locust
[INFO] Starting web interface at http://0.0.0.0:8089

打开浏览器访问 http://localhost:8089：

  1. Number of users：总并发用户数（如 50）
  2. Ramp up：每秒新增用户数（如 5/s）
  3. Host：目标地址（如 https://httpbin.org）

点击 Start 后切换到 Charts 标签页，你会看到三条实时曲线：

  • RPS：每秒请求数
  • Response Times：响应时间（中位数和百分位）
  • Number of Users：当前运行的虚拟用户数

如何判断到达瓶颈

如果 RPS 不再增长但响应时间急剧上升，说明目标系统已饱和。如果响应时间保持平稳且 RPS 未达标，说明还需要加压。

本章小结 ​

  • locustfile 就是普通 Python 模块，只需含至少一个 User 子类；
  • HttpUser.client 发请求，用法与 requests 一致；
  • @task 装饰器声明任务，@task(N) 控制选中概率；
  • wait_time = between(1, 5) 模拟真实用户的思考停顿；
  • Web UI 默认端口 8089，Charts 页面实时展示 RPS / 响应时间 / 用户数。

🧪 随堂测验

点击你认为正确的选项。答错时会展示正确答案与原因解析。

1. 一个合法的 locustfile 至少需要包含什么？

2. @task(3) 中数字 3 的含义是什么？

3. wait_time = between(1, 5) 表示什么？

4. HttpUser 实例的 self.client 属性是什么类型？

🛠️ 动手实践 ​

  1. 编写一个包含两个任务的 locustfile：一个 GET /get（权重 1）、一个 POST /post（权重 2），目标是 https://httpbin.org。
  2. 在 Web UI 中分别用 10 用户/2 spawn-rate 跑一次，截图记录 RPS 和响应时间曲线。
  3. 删掉 wait_time = between(1, 5) 这行再跑一次，对比 RPS 变化并解释原因。

完成后进入第 3 章。