一、 Locust(蝗虫)介绍
1. 简介
Locust是易于使用的分布式性能(压力/负载)测试框架, 实际用 locust 做压测就是在写 Python 程序,通过测试能够确定系统可以处理多少个并发用户,并且整个测试过程可以在Web的UI界面实时观察测试数据
2. 特点
性能能测试工具核心部分是压力生成器，而压力生成器的核心要点有两个，一是真实模拟用户操作(场景描述)，二是模拟并发,在这两个方面,Locust表现都很好
首先在模拟用户操作(也就是测试场景方面),Locust采用 Python脚本描述，并且HTTP请求完全基于Requests库
其次在模拟并发方面,Locust摒弃了进程和线程，采用协程（gevent）机制
通常采用多线程来模拟多用户时，线程数会随着并发数的增加而增加，而线程之间的切换是需要占用资源的，IO的阻塞和线程的sleep会不可避免的导致并发效率下降；正因如此，LoadRunner和Jmeter这类采用进程和线程的测试工具，都很难在单机上模拟出较高的并发压力
协程和线程的区别在于，协程避免了系统级资源调度，由此大幅提高了性能。正常情况下，单台机器可以生产数万甚至更高的并发压力，这是LoadRunner和Jmeter都无法实现的
Locust支持分布在多台计算机上的运行负载测试,可以模拟数十万乃至上百万的并发
Locust具有简洁的用户界面，可实时显示相关的测试详细信息。由于UI是基于Web的，因此它是跨平台的并且易于扩展
二、 Locust环境准备
1.python
目前Python 3.6、3.7和3.8支持Locust
执行指令查看python安装的版本
2.PyCharm安装locust
按照步骤在PyCharm中找到settings，在项目中进行安装locust即可，如图下
3.或者使用pip指令进行安装
指令：pip install locust
如果需要升级locust版本,可以直接在pycharm中直接搜索安装或者使用pip install --upgrade locust指令升级
4.进行验证环境
到Terminal控制台输入 locust -V
如果环境正常，显示版本如下：
三、 使用
locust脚本，编写我们可以按照既定格式进行编写，我把步骤进行了细化如下：
1.定义任务类 继承TaskSet
2.定义用户类 继承HttpUser
3.使用指令 启动locust服务
4.打开web页面 输入相关参数 开始性能测试
具体示例如下：
以上就是locust基本的脚本编写格式，在以上代码中，我们按照既定步骤进行脚本编写，无复杂步骤和混乱代码，按照格式编写。
首先我们定义了一个MyTask类，继承TaskSet，随后编写了需要测试的函数，添加上了注解，注解的添加是很重要的，如果不加上注解，那么它与普通函数无异
随后我们定义了Vuser类，继承HttpUser，他下面有个tasks，需要将我们上面定义的任务类放置到这里，而后我们需要设置等待时间，我们设置等待时间时，因为本次演示脚本只用了一个接口，所以在这里感觉不是特别明显，但是我们在编写实际脚本运行时，可能会有很多的task，所以等待时间是必要加上的，上面介绍一种，我在下面会多写两种其他格式供大家参考，据实际情况使用
脚本编写完成以后，就可以到Terminal控制台输入指令进行运行：
指令：locust -f 脚本文件.py
运行之后会给我们一个网址，复制到浏览器进行打开
打开之后我们会进入这个页面：
随后我们将参数内容填上点击运行，这里需要说一下每秒启动用户数，在这里其实是一个理论值，具体要以机器性能决定，加入你的机器一秒钟最多只能启动5000并发，你在这里填写上一万，其实意义不大。
这里的页面就是我们实际运行的页面，页面也是比较简洁明了的，如果运行达到自己想要的状态了，可以点击右上角的stop进行停止。
四、 运行结果分析
当我们想要结束运行时，可以点击右上角的stop进行结束，随后页面上各数值将停止，我们一一解释页面内容代表什么：
RPS即TPS
是不是感觉到这个页面很熟悉， 这个页面和jmeter的聚合报告很相似，但也有不同点，jmeter想要查看更细致的报告，想要进行加装插件，locust这里则是自动生成了一些详细的报告。
每秒请求数量：
响应时间：
并发用户数量：
查看失败情况：
异常信息：
最后可以下载CSV结果信息：
最后我们返回控制台，控制台中也是可以查看结果信息，较页面显示不是特别直观，如图：
最后，在停止测试我们一定要在控制台Terminal中Ctrl+c停止