Web Service 性能测试工具比较

jopen 9年前

背景

希望选择一款Web Service性能测试工具，能真实模拟大量用户访问网站时的请求，从而获取服务器当前的请求处理能力（请求数/秒）。
以微信服务器为例，每个用户用独立的登录token，做各种操作，比如刷消息、发消息、看朋友圈等。

希望该性能测试工具符合如下要求：

1. 测试脚本能力，最好是Python/Ruby等最常用的
2. 每个并发实例能使用不同参数
3. CLI启动测试，这对自动化测试很重要
4. Session支持，也就是第一个请求的响应，能用于后续请求的参数。
6. 单个结点的并发数量高。
7. 分布式支持，不受限于单个结点的计算能力。

性能测试工具选手：

Gatling

http://gatling.io/

Gatling是一款基于Scala 开发的高性能服务器性能测试工具，它主要用于对服务器进行负载等测试，并分析和测量服务器的各种性能指标。Gatling主要用于测量基于HTTP的服务器，比如Web应用程序，RESTful服务等，除此之外它拥有以下特点：

  • 支持Akka Actors 和 Async IO，从而能达到很高的性能
  • 支持实时生成Html动态轻量报表，从而使报表更易阅读和进行数据分析
  • 支持DSL脚本，从而使测试脚本更易开发与维护
  • 支持录制并生成测试脚本，从而可以方便的生成测试脚本
  • 支持导入HAR（Http Archive）并生成测试脚本
  • 支持Maven，Eclipse，IntelliJ等，以便于开发
  • 支持Jenkins，以便于进行持续集成
  • 支持插件，从而可以扩展其功能，比如可以扩展对其他协议的支持
  • 开源免费

测试场景示例：
http://gatling.io/docs/2.1.7/advanced_tutorial.html 

object Search {      val feeder = csv("search.csv").random // 1, 2      val search = exec(http("Home")      .get("/"))      .pause(1)      .feed(feeder) // 3      .exec(http("Search")      .get("/computers?f=${searchCriterion}") // 4      .check(css("a:contains('${searchComputerName}')", "href").saveAs("computerURL"))) // 5      .pause(1)      .exec(http("Select")      .get("${computerURL}")) // 6      .pause(1)  }

统计图：

nGrinder

官网很卡，真的很卡...zzz...

http://naver.github.io/ngrinder/

nGrinder是一个基于 Grinder 开发的一个非常易于管理和使用的性能测试系统。

它是由一个controller和连接它的多个agent组成，用户可以通过web界面管理和控制测试，以及查看测试报告，controller会把测试 分发到一个或多个agent去执行。用户可以设置使用多个进程和线程来并发的执行该脚本，而且在同一线程中，来重复不断的执行测试脚本，来模拟很多并发用 户。

nGrinder的测试是基于一个python的测试脚本，用户按照一定规则编写测试脚本以后，controller会将脚本以及需要的其他文件分发到 agent，用Jython执行。并在执行过程中收集运行情况、响应时间、测试目标服务器的运行情况等。并保存这些数据生成运行报告，以供以后查看。

nGrinder的一大特点就是非常容易使用，安装也非常容易，可以做到开箱即用，测试用户也可以很容易就开始测试任务。当然，如果想执行一些比较复杂场景的性能测试，就需要测试人员对python有一定认识。

测试场景示例：
http://grinder.sourceforge.net/faq.html#simulating-users 

#  # testRandomise.py  #  import random  import string    class TestRandomise:    def __init__(self, filename):      self._users = []      infile = open(filename, "r")        for line in infile.readlines():        self._users.append(string.split((line),','))      infile.close()      def getUserInfo(self):      "Pick a random (user, password) from the list."      return random.choice(self._users)      #  # Test script. Originally recorded by the TCPProxy.  #  from testRandomise import TestRandomise  tre = TestRandomise("users.txt")    class TestRunner:      def __call__(self):          # Get user for this run.          (user, passwd) = tre.getUserInfo()      # ...      # Use the user details to log in.            tests[2002].POST('https://host:443/securityservlet',            ( NVPair('functionname', 'Login'),              NVPair('pagename', 'Login'),              NVPair('ms_emailAddress', user),              NVPair('ms_password', passwd), ))

统计图：

Locust

http://locust.io/

Locust 是一个开源负载测试工具。使用 Python 代码定义用户行为，也可以仿真百万个用户。

Locust 是非常简单易用，分布式，用户负载测试工具。Locust 主要为网站或者其他系统进行负载测试，能测试出一个系统可以并发处理多少用户。

Locust 是完全基于时间的，因此单个机器支持几千个并发用户。相比其他许多事件驱动的应用，Locust 不使用回调，而是使用轻量级的处理方式 gevent。

测试场景示例：
http://docs.locust.io/en/latest/quickstart.html#example-locustfile-py 

from locust import HttpLocust, TaskSet    def login(l):      l.client.post("/login", {"username":"ellen_key", "password":"education"})    def index(l):      l.client.get("/")    def profile(l):      l.client.get("/profile")    class UserBehavior(TaskSet):      tasks = {index:2, profile:1}        def on_start(self):          login(self)    class WebsiteUser(HttpLocust):      task_set = UserBehavior      min_wait=5000      max_wait=9000

统计图：

其他未参与比较的工具

因为没有脚本能力或CLI，所以未加入比较

  • JMeter
  • ApacheBench(ab)
  • Tsung

Locust作者对JMeter和Tsung发的牢骚：

http://my.oschina.net/u/1433482/blog/464092#OSC_h4_3

我们研究了现有的解决方案，都不符合要求。比如Apache JMeter和Tsung。

JMeter基于UI操作，容易上手，但基本上不具备编程能力。其次JMeter基于线程，要模拟数千用户几乎不可能。

Tsung基于Erlang，能模拟上千用户并易于扩展，但它基于XML的DSL，描述场景能力弱，且需要大量的数据处理才知道测试结果。

比较

比较科目x工具矩阵

结论

很明显，首选的全能选手就是 Gatling ，Akka Actor的并发模型就是来自于并发语言的鼻祖Erlang。

如果想自己扩展性能测试工具，那么Locust这个小而精的工具可以考虑。

nGrinder工具是韩国版微信Line开源的，并且专门开设了中文论坛，由韩国工程师回答中国开发者。但有两个问题,一是官网太卡，其二示例都是片段不完整。

各位同学参照上面的对比，自己各取所需吧。

来自：https://testerhome.com/topics