3、压力测试工具选型：JMeter、LoadRunner、Gatling、Locust、wrk的优缺点对比
做压力测试这么多年，我经常被问到同一个问题：「到底该用哪个工具？」
说实话，没有银弹。每个工具都有自己的脾气。我见过有人用JMeter压出漂亮数据，也见过有人用wrk把服务器打趴下。关键是你得知道它们各自擅长什么。
今天我就把这五个主流工具掰开揉碎，讲讲它们的优缺点。都是我这些年踩过的坑和总结的经验。
3.1 工具全景对比
先上一张总览图，让你心里有个底。这张图是我自己画的，把五个工具的核心定位和适用场景都标出来了。
3.2 逐个拆解
3.2.1 JMeter — 老牌全能选手
JMeter是我用得最多的工具，没有之一。它最大的优势就是协议支持全面。HTTP、HTTPS、JDBC、JMS、FTP……基本上你能想到的协议它都支持。
我个人习惯用JMeter做功能验证型压测。比如新接口上线前，先跑个几百并发看看响应时间。它的GUI界面虽然被很多人吐槽，但说实话，对于快速调试脚本来说，拖拽组件比写代码快多了。
优点：
- 协议支持最全面，几乎覆盖所有常见协议
- 社区活跃，插件丰富（比如jp@gc系列插件）
- 支持分布式压测，可以横向扩展
- 报告生成功能完善，HTML报告很漂亮
缺点：
- GUI模式下资源消耗大，压测机本身容易成为瓶颈
- 脚本维护成本高，参数化、关联等操作比较繁琐
- 高并发场景下性能不如wrk这类轻量工具
我的经验： 我曾经用JMeter压一个电商系统的秒杀接口，2000并发时JMeter自己先挂了。后来改用命令行模式（jmeter -n -t），配合分布式部署，才把问题解决。记住：压测时一定要用非GUI模式。
3.2.2 LoadRunner — 企业级重型武器
LoadRunner是商业工具里的老大哥。我最早接触性能测试就是用的它，那时候还在用HP的版本。说实话，它的协议录制能力确实强，尤其是对C/S架构的应用。
但为什么我现在很少推荐它？一个字：贵。一套License动辄几十万，小公司根本用不起。而且它的学习曲线比较陡，VuGen脚本、Controller场景、Analysis分析，三个组件各有各的玩法。
优点：
- 协议录制功能强大，支持复杂协议的脚本生成
- 自带强大的分析器，能生成专业级报告
- 支持大规模分布式压测，稳定性好
- 企业级支持，有完善的售后
缺点：
- 价格昂贵，不适合个人或小团队
- 安装配置复杂，环境依赖多
- 脚本语言是C/VBScript，维护成本高
- 社区资源相对封闭，遇到问题难找答案
避坑指南： 我曾经在一个银行项目中被迫使用LoadRunner，因为客户指定了。结果光环境搭建就花了两天，而且录制出来的脚本需要大量手工调整。如果你不是必须用，我个人建议优先考虑开源工具。
3.2.3 Gatling — 高并发利器
Gatling是我最近两年开始重点使用的工具。它的底层基于Akka和Netty，异步非阻塞架构让它能轻松支撑上万并发。而且它生成的HTML报告非常漂亮，交互式图表可以直接拿来汇报。
不过Gatling有个门槛：脚本用Scala写。虽然它提供了DSL风格，看起来像自然语言，但如果你团队里没人会Scala，学习成本还是有的。
优点：
- 异步架构，单机并发能力远超JMeter
- 报告精美，自带实时监控
- 代码即脚本，便于版本管理
- 支持Maven/Gradle集成，适合CI/CD
缺点：
- 需要Scala基础，团队学习成本高
- 协议支持有限，主要针对HTTP
- 调试不如JMeter方便，报错信息不够直观
我的经验： 我习惯用Gatling做持续集成中的性能回归测试。把脚本放在Git里，每次代码提交自动触发压测，如果响应时间超过阈值就告警。这套流程跑了大半年，帮我们提前发现了十几个性能退化问题。
3.2.4 Locust — Python玩家的最爱
Locust最大的卖点就是用Python写脚本。如果你团队里都是Python开发者，那Locust简直是天选之子。它的分布式架构也很优雅，通过主从节点可以轻松扩展到上千并发。
但说实话，Locust的报告功能比较弱。默认的Web UI只能看实时数据，历史趋势分析基本没有。而且它的协议支持主要靠第三方库，不像JMeter那样开箱即用。
优点：
- Python脚本，上手快，维护成本低
- 分布式架构简单，主从节点配置方便
- Web UI实时监控，可以动态调整并发数
- 社区活跃，插件生态不错
缺点：
- 报告功能薄弱，需要自己二次开发
- 协议支持依赖第三方库，稳定性一般
- 单机并发能力不如Gatling和wrk
避坑指南： 我曾经用Locust压一个WebSocket服务，结果发现它的WebSocket支持库有内存泄漏问题。跑了半小时后，压测机内存飙到90%。后来换成了Gatling才搞定。所以用Locust之前，一定要先验证第三方库的稳定性。
3.2.5 wrk — 轻量级性能怪兽
wrk是我做快速基准测试的首选。它基于C语言和Reactor模式，单机就能压出几十万QPS。而且它的Lua脚本扩展能力很强，可以实现自定义请求和校验逻辑。
但wrk的缺点也很明显：功能太单一。它只能做HTTP压测，没有GUI，没有报告，没有分布式支持。说白了，它就是个「压测引擎」，其他功能都得你自己搭。
优点：
- 性能极高，单机可压数十万QPS
- 安装简单，一条命令搞定
- Lua脚本灵活，可定制请求逻辑
- 资源消耗极低，适合在服务器上直接跑
缺点：
- 只支持HTTP协议
- 没有GUI，没有报告生成
- 不支持分布式，单机能力有限
- 调试困难，错误信息不友好
我的经验： 我经常用wrk做上线前的快速验证。比如改了个Nginx配置，想知道效果怎么样？直接跑个wrk -t12 -c400 -d30s http://target，30秒就出结果。快、准、狠。
3.3 选型建议
说了这么多，到底该怎么选？我总结了一个简单的判断逻辑：
| 场景 | 推荐工具 | 理由 |
|---|---|---|
| 功能验证型压测 | JMeter | GUI方便，协议全面，快速出脚本 |
| 企业级项目（有钱） | LoadRunner | 协议录制强，报告专业，客户认可 |
| CI/CD集成 | Gatling | 代码驱动，报告精美，Maven集成好 |
| Python团队 | Locust | Python脚本，分布式简单 |
| 快速基准测试 | wrk | 轻量高效，秒出结果 |
你想想看，其实没有哪个工具是万能的。我自己的工具箱里，JMeter、Gatling、wrk三个常备。JMeter做复杂场景，Gatling做高并发回归，wrk做快速验证。各司其职，互不干扰。
嗯，工具选型就聊到这儿。记住一句话：工具是死的，思路是活的。选对工具能让你事半功倍，但真正决定压测质量的，还是你对系统的理解和场景的设计。
公众号:蓝海资料掘金营，微信deep3321