性能基准测试：基准测试方法论、测试环境搭建、压测工具选型（wrk、JMeter、Locust）、测试脚本编写

性能基准测试，说白了就是给你的系统拍一张「体检照」。

我刚开始做报价路由系统时，总觉得上线后跑得挺快。直到有一次，某大客户投诉说「你们的报价响应时间怎么忽高忽低？」。我查了半天，发现是压测环境没搭好，数据全是假的。嗯，从那以后，我每次做性能调优，第一件事就是先把基准测试做扎实。

基准测试方法论：先定标准，再谈优化

基准测试不是随便跑几个请求就完事了。它有一套成熟的方法论，我习惯把它拆成三步：

1. 定义关键指标：响应时间（RT）、吞吐量（TPS/QPS）、错误率、资源利用率（CPU、内存、IO）。
2. 确定测试场景：单接口压测、混合场景压测、稳定性压测（长时间运行）。
3. 建立基线：在相同环境下跑一次，记录数据作为后续优化的参照。

我在项目中遇到过最坑的事：开发环境用笔记本压测，结果CPU降频导致数据忽高忽低。后来我强制要求所有基准测试必须在专用压测机上跑，且压测机与被测服务之间不能有网络抖动。

测试环境搭建：隔离、隔离、再隔离

环境搭建这件事，我吃过不少亏。你想想看，如果压测时数据库还在跑定时任务，那数据能准吗？

我建议按以下标准来搭：

组件	推荐配置	避坑指南
压测机	4核8G以上，独立机器	不要用笔记本，不要与被压服务混部
被测服务	与生产环境同规格（至少同CPU架构）	我曾经用低配机器压测，上线后直接被打爆
数据库/缓存	独立部署，关闭自动备份和定时任务	记得预热数据，避免冷启动影响结果
网络	千兆局域网，避免跨机房	网络延迟会污染你的RT数据

压测工具选型：wrk、JMeter、Locust

工具选型这件事，没有银弹。我根据不同的场景，会选不同的工具。

wrk：轻量级、高性能

wrk 是我个人最常用的工具。它基于 C 语言，单机就能压出很高的并发。适合快速验证接口性能。

优点：

• 资源占用极低，一台4核机器就能压出10万+ QPS
• 支持 Lua 脚本，可以自定义请求逻辑
• 输出简洁，适合自动化集成

缺点：

• 不支持分布式压测
• 不支持图形化界面
• 调试起来比较麻烦

JMeter：功能全面、适合复杂场景

JMeter 是 Java 生态的老牌工具。如果你需要做复杂的业务场景（比如登录-查询-下单-支付），JMeter 的图形化界面和丰富的插件会让你省很多事。

优点：

• 支持分布式压测
• 有丰富的断言和监听器
• 社区活跃，遇到问题容易找到答案

缺点：

• 资源占用高，单机压测能力有限
• 脚本维护成本高，尤其是参数化

Locust：Python 友好、适合持续集成

Locust 是用 Python 写的，如果你团队里都是 Python 开发者，那它很合适。它的脚本就是 Python 代码，可以很方便地集成到 CI/CD 流水线中。

优点：

• 脚本灵活，可以写复杂的业务逻辑
• 支持分布式，且扩展简单
• Web UI 实时查看结果

缺点：

• 性能不如 wrk，单机压测能力有限
• 对异步支持不太好

测试脚本编写：从入门到实战

脚本编写是基准测试中最容易出问题的地方。我见过太多人写出来的脚本根本压不到目标接口，或者压出来的数据全是错的。

wrk 脚本示例

先来个最简单的：

# 压测 GET 接口
wrk -t12 -c400 -d30s http://localhost:8080/api/quote

# 参数说明：
# -t12：12个线程
# -c400：400个并发连接
# -d30s：持续30秒

如果你需要自定义请求头或 body，可以用 Lua 脚本：

-- request.lua
wrk.method = "POST"
wrk.body = '{"symbol": "BTC/USDT", "side": "buy"}'
wrk.headers["Content-Type"] = "application/json"

-- 压测时引用脚本
wrk -t12 -c400 -d30s -s request.lua http://localhost:8080/api/quote

JMeter 脚本示例

JMeter 的脚本我习惯用 GUI 先配好，然后保存为 .jmx 文件。核心步骤：

1. 添加「线程组」：设置并发数、Ramp-Up 时间、循环次数
2. 添加「HTTP 请求默认值」：配置协议、域名、端口
3. 添加「HTTP 请求」：配置具体接口路径、参数
4. 添加「监听器」：聚合报告、响应时间图

如果你需要参数化，可以用 CSV 数据文件：

# symbols.csv
symbol
BTC/USDT
ETH/USDT
SOL/USDT

然后在 JMeter 中添加「CSV 数据文件配置」，引用这个文件。这样每次请求都会取不同的 symbol。

Locust 脚本示例

Locust 的脚本就是 Python 代码，非常直观：

from locust import HttpUser, task, between

class QuoteUser(HttpUser):
    wait_time = between(1, 3)  # 模拟用户思考时间

    @task
    def get_quote(self):
        self.client.get("/api/quote?symbol=BTC/USDT")

    @task(3)  # 权重为3，表示这个接口被调用的概率更高
    def post_order(self):
        self.client.post("/api/order", json={
            "symbol": "BTC/USDT",
            "side": "buy",
            "price": 50000
        })

运行命令：

locust -f locustfile.py --host=http://localhost:8080

然后打开浏览器访问 http://localhost:8089，就能看到 Web UI 了。

知识体系总览

下面这张图是我自己整理的基准测试知识体系，你可以对照着查漏补缺：

这张图把基准测试的核心要素都串起来了。你从方法论出发，搭好环境，选对工具，写好脚本，就能拿到一份可靠的基准数据。

---