Locust 的测试报告_性能监控平台

背景

当我们使用Locust做性能压测的时候，压测的过程和展示如下：

 

其中波动图是非持久化存储的，也就是刷新后，波动图就清空了。尽管Statistics中显示的信息比较完整，但是都是瞬时值，并不能体现出时序上的变化。像Failures、Exceptions、Slaves分在不同的tag查看起来也比较麻烦。Locust的测试报告也只有简单的csv文件，需要下载。

从上面我们可以看到Locust虽然提供了跨平台的web模式的性能监控和展示，但是有以下明显缺陷：

• rps、平均响应时间波动图没有持久化存储，刷新后便丢失
• 整体统计信息只是表格的形式，不能体现波动时序
• 测试报告过于简陋且只有文字版，只能下载存档

方案

方案其实很多，但为了减少投入成本和最大化利用现用的开源工具，选择以下方案：

Locust + Prometheus + Grafana

简单总结起来就是：

实现一个Locust的prometheus的exporter，将数据导入prometheus，然后使用grafana进行数据展示。

不难发现Jmeter在网上有许多类似方案的介绍，但很遗憾的是我没有找到很好实现Locust监控平台的方案。

搜索了一圈后发现boomer项目下有一个年久失修的exporter实现——prometheus_exporter.py, 而且作者并没有提供grafana之类的Dashboard设置，因此决定基于他的基础上，继续完成整个流程，我将在下面讲述。

环境介绍

我是直接在windows上搭建的也可以用Docker环境

下载相关软件：

链接：https://pan.baidu.com/s/1hVvoKOR7uKrULIM6Iqk0tA 
提取码：884z 

编写exporter

如Locust的官方文档所介绍的 Extending Locust 我们可以扩展web端的接口，比如添加一个 /export/prometheus 接口，这样Prometheus根据配置定时来拉取Metric信息就可以为Grafana所用了。这里需要使用Prometheus官方提供的client库，prometheus_client，来生成符合Prometheus规范的metrics信息。

在boomer原文件的基础上我做了一些修改和优化，在Readme中添加了Exporter的说明，并提交Pull Request。由于篇幅原因这里不展示代码了，完整代码（基于Locust 1.x版本）可以查看这里prometheus_exporter

为了方便演示，下面编写一个基于Python的locustfile作为施压端，命名为demo.py：

#!/usr/bin/env python
# coding: utf-8

import time
from locust import HttpUser, task, between

class QuickstartUser(HttpUser):
wait_time = between(1, 2)
host = "https://www.baidu.com/"

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

我们把master跑起来，启动两个worker。

# 启动master
locust --master -f prometheus_exporter.py

# 启动worker
locust --slave -f demo.py（目前是work模式）

在没有启动压测前，我们浏览器访问一下

http://127.0.0.1:8089/export/prometheus

返回结果如下：

 

这是使用prometheus_client库默认产生的信息，对我们数据采集没有影响，如果想关注master进程可以在grafana上创建相应的监控大盘。

接着我们启动10个并发用户开始压测，继续访问下上面的地址：

可以看到，locust_stats_avg_content_length、locust_stats_current_rps等信息都采集到了。

Prometheus部署

exporter已经ready了，接下来就是把prometheus部署起来，下载压缩文件

链接：https://pan.baidu.com/s/1hVvoKOR7uKrULIM6Iqk0tA
提取码：884z

1) 打开后进入文件夹

2) 接下来我们创建一个yml配置文件，准备覆盖prometheus.yml

global:
  scrape_interval:     10s
  evaluation_interval: 10s

scrape_configs:
  - job_name: prometheus
    static_configs:
      - targets: ['localhost:9090']
        labels:
          instance: prometheus

  - job_name: locust

    metrics_path: '/export/prometheus'
    static_configs:
      - targets: ['192.168.1.2:8089']  # 地址修改为实际地址
        labels:
          instance: locust

3) 启动prometheus

双击prometheus.exe

接下来我们访问Prometheus的graph页面，查询下是否有数据了。

http://127.0.0.1:9090/graph

 

 

Grafana部署和配置

1）首先下载：

链接：https://pan.baidu.com/s/1hVvoKOR7uKrULIM6Iqk0tA
提取码：884z
复制这段内容后打开百度网盘手机App，操作更方便哦

2) 启动：

双击grafana-server.exe

3）网页端访问localhost:3000验证部署成功

 

4) 选择添加prometheus数据源

 

 

 

5) 导入模板

导入模板有几种方式，选择一种方式将dashboard模板导入。

 

 

 

 

效果展示

经过一系列『折腾』之后，是时候看看效果了。使用  Locust + Prometheus + Grafana 到底可以搭建怎样的性能监控平台呢？相比 Locust 自带的Web UI，这样搭建的性能监控平台究竟有什么优势呢？接下来就是展示成果的时候啦！

 

 

 

这个监控方案不仅提供了炫酷好看的图表，还能持久化存储所有压测数据，可以使用Share Dashboard功能保存测试结果并分享，相比Locust自带的Web UI，简直太方便！如果结合boomer，压测性能和压测报告应该也能让老板满意了！