多进程分布式的实现:

locust分布式时,需借助命令locust 一个一个启动worker,在使用中有点繁琐,

下面借助于多进程,按既定worker数量,一键启动;


from locust import FastHttpUser, task, User, events, HttpUser #class WebsiteUser(FastHttpUser): 错误的使用!!!
class WebsiteUser(HttpUser): #正确的使用
tasks = [TaskSet]
host = "https://www.baidu.com"
wait_time = between(0, 0) def processFun(cmd):
os.system(cmd) def start_by_process(tst_locust_file, slave_num, master_host='127.0.0.1', locust_web_port=8090, no_web=False,
user_num=10, user_rate=1, result_log='result.log', run_log='run.log'):
p_lst = []
if no_web:
slave_cmd = f"locust -f {tst_locust_file} --worker --master-host={master_host}"
master_cmd = f"locust -f {tst_locust_file} --headless -u {user_num} -r {user_rate} --master"
else:
slave_cmd = f"locust -f {tst_locust_file} --worker --master-host={master_host}"
master_cmd = f"locust -f {tst_locust_file} --web-host {master_host} --web-port {locust_web_port} --master"
master_cmd += f' --logfile {result_log} --loglevel INFO 1>{run_log} 2>&1'
# 启动master
process_master = multiprocessing.Process(target=processFun, args=(master_cmd,))
process_master.start()
p_lst.append(process_master)
# 启动 worker
for index_num in range(slave_num):
process = multiprocessing.Process(target=processFun, args=(slave_cmd,))
process.start()
p_lst.append(process) # 阻塞等待
for process in p_lst:
process.join() if __name__ == "__main__":
tst_locust_path = 'wms/wms_test'
slave_num = 3 # 计划所启动worker数量, 不可超过运行机的CPU数量
master_host = '127.0.0.1'
master_host = '192.168.1.102'
locust_web_port = 8099 # locust web页面挂载端口
no_web = False
tst_locust_file = os.path.basename(__file__) # 本脚本名
os.chdir(os.getcwd().replace(tst_locust_path.replace('/', os.sep), ''))
tst_locust_file = f'{tst_locust_path}/{tst_locust_file}'
start_by_process(tst_locust_file, slave_num, master_host, locust_web_port, no_web=no_web)

问题:

在上述代码中,我使用了class WebsiteUser(FastHttpUser): 错误的使用!!!这个方式,来使用locust的User类,当执行压测时,work会因CPU过高而miss掉,导致压测终止.当切换成class WebsiteUser(HttpUser): #正确的使用时,可以正常执行locust的压测.

HttpUser和FastHttpUser介绍:

在Locust中,HttpUserFastHttpUser 是两种不同的用户行为模拟类,它们分别用于模拟不同的HTTP客户端行为。以下是这两种类的主要区别:

HttpUser

  • HttpUser 是Locust的基本HTTP用户模拟类,它使用requests库来发送HTTP请求。
  • HttpUser 支持多线程或多进程模式,具体取决于你的配置。
  • 它提供了丰富的功能和灵活性,包括支持重试、会话管理、以及使用requests库的所有特性。
  • 由于requests库本身是同步的,因此在高并发场景下,HttpUser可能会导致较高的CPU使用率,尤其是当请求之间没有足够的等待时间时。
  • HttpUser适用于大多数HTTP负载测试场景,特别是那些对复杂性和灵活性有较高要求的测试。

FastHttpUser

  • FastHttpUser 是一个较新的类,它使用httpx库来发送HTTP请求,这是一个异步的HTTP客户端库。
  • FastHttpUser 提供了更高的性能和更低的CPU使用率,因为它使用了异步I/O,可以在等待网络响应时执行其他任务。
  • 它特别适合于高并发的场景,可以显著减少CPU使用率,尤其是在大量并发用户的情况下。
  • FastHttpUser 相对于HttpUser来说,可能不支持requests库的所有高级特性,但在大多数情况下,基本的功能如GET、POST请求等都是支持的。
  • 如果你的目标是进行大规模并发测试,同时保持较低的CPU使用率,FastHttpUser是一个很好的选择。

总结

  • 如果你的测试场景需要高度定制化的请求设置或者你已经在使用requests库的高级功能,那么HttpUser可能更适合你。
  • 如果你希望在高并发场景下减少CPU使用率,并且能够接受一定的功能限制,那么FastHttpUser是一个更好的选择。

示例

以下是使用HttpUserFastHttpUser的简单示例:

HttpUser 示例

from locust import HttpUser, task, between

class MyHttpUser(HttpUser):
wait_time = between(1, 5) @task
def my_task(self):
self.client.get("/some_endpoint")

FastHttpUser 示例

from locust import FastHttpUser, task, between

class MyFastHttpUser(FastHttpUser):
wait_time = between(1, 5) @task
def my_task(self):
self.client.get("/some_endpoint")

请注意,在使用FastHttpUser时,你需要确保你的Locust版本支持该类。如果不确定,可以检查你的Locust版本或者查阅官方文档。

原因分析:

  1. 异步I/O与多进程的交互:
  • FastHttpUser使用httpx库来进行异步HTTP请求,而httpx是基于trio或anyio的异步I/O库。
  • 在多进程环境下,每个进程都有自己的事件循环,这可能导致每个进程中的异步I/O操作无法有效地与其他进程协调,从而增加了CPU的负担。
  1. 多进程与异步I/O的兼容性:
  • 多进程模式下,每个进程都有独立的内存空间和事件循环,这可能意味着每个进程都在单独运行其事件循环,而不是共享一个全局的事件循环。这种情况下,每个进程都在尝试同时执行大量的异步任务,可能会导致CPU使用率上升。
  1. 事件循环的调度:
  • 在FastHttpUser中,每个进程可能有自己的事件循环,而在多进程模式下,这些事件循环可能没有被有效地调度,导致CPU使用率增加。
  • httpx的异步特性通常在单进程中表现更好,因为它可以充分利用事件驱动模型的优势,但在多进程环境下,每个进程都需要维护自己的事件循环,这可能会导致额外的开销。
  1. 并发模型的不匹配:
  • FastHttpUser的设计初衷是为了利用异步I/O的优势来提高性能,特别是在高并发场景下。然而,在多进程模式下,这种优势可能会因为进程间的隔离和通信开销而被抵消。

总结: FastHttpUser更适合单进程下使用,HttpUser更适合多进程情况

locust多进程实现分布式压测遇到的问题的更多相关文章

  1. 案例 | 荔枝微课基于 kubernetes 搭建分布式压测系统

    王诚强,荔枝微课基础架构负责人.热衷于基础技术研发推广,致力于提供稳定高效的基础架构,推进了荔枝微课集群化从0到1的发展,云原生架构持续演进的实践者. 本文根据2021年4月10日深圳站举办的[腾讯云 ...

  2. jmeter分布式压测

    stop.sh需要跑Jmeter的服务器上安装Jmeteryum install lrzsz 安装rz.sz命令rz jemter的压缩包 拷贝到/usr/local/tools下面unzip apa ...

  3. jmeter 分布式压测(Linux)

    之前一篇博文写的是如何在Linux上使用jmeter压测,这篇介绍下Linux上jmeter的分布式压测. 和windows上的分布式类似,需要配置agent节点和控制机 一.Agent节点配置 1. ...

  4. jmeter 分布式压测(windows)

    单台压测机通常会遇到客户端瓶颈,受制于客户机的性能.可能由于网络带宽,CPU,内存的限制不能给到服务器足够的压力,这个时候你就需要用到分布式方案来解决客户机的瓶颈,压测的结果也会更加接近于真实情况. ...

  5. Jmeter 在linux下的分布式压测

    Jmeter 在linux下的分布式压测 0.将 windows机器作为master 控制机(同时也兼做负载机slave), linux机器作为 负载机 slave. 1.linux环境安装 : (1 ...

  6. 分布式压测系列之Jmeter4.0第一季

    1)Jmeter4.0介绍 jmeter是个纯java编写的开源压测工具,apache旗下的开源软件,一开始是设计为web测试的软件,由于发展迅猛,现在可以压测许多协议比如:http.https.so ...

  7. JMeter在linux上分布式压测步骤(二)

    哈喽,我又来了~ 前提:三台linux虚拟机,一台作为master,另外两台作为slave. 一.server端 1.修改1099端口,client和server通信的端口,可以不修改,默认就是109 ...

  8. jmeter实现分布式压测步骤

    环境说明:安装与控制机相同版本的jdk与jmeter 1.修改控制机中的jmeter.properties文件 将<remote_hosts=127.0.0.1>改为<remote_ ...

  9. Linux环境下进行分布式压测踩过的坑

    背景:公司为了满足大并发的情况,需要测试组配合,就需要分布式压测,这里我把我踩过坑都记录下来: 环境:Linux + jmeter-v.5.1.1;使用3台2核4G的压力机: Q1: Server f ...

  10. jmeter5.1分布式压测

    在使用jmeter压测过程中,可能会度遇到内存溢出的错误,这是为什么呢?因为jmeter是java写的应用,java应用jvm堆内存heap受负载机硬件限制,虽然我们可以调整堆内存大小,但是单机无法支 ...

随机推荐

  1. django验证码插件 --- django-simple-captcha

    使用django-simple-captcha实现登录验证码: 第一步:安装pillow依赖 pip install pillow  -i https://pypi.tuna.tsinghua.edu ...

  2. Vue cli传递数据

    Nav组件和Forecast组件都是Home组件的子组件. (1)子组件传递数据给父组件 在子组件中,通过this.$emit('自定义事件名', 参数1,参数2,...)来调用父组件中定义的事件. ...

  3. 不到200行用Vue实现类似Swiper.js的轮播组件

    前言 大家在开发过程中,或多或少都会用到轮播图之类的组件,PC和Mobile上使用 Swiper.js ,小程序上使用swiper组件等. 本文将详细讲解如何用Vue一步步实现的类似Swiper.js ...

  4. 一文搞懂C++继承、多继承、菱形继承、虚继承

    继承 目录 继承 继承 继承的访问权限 子类赋值给父类 赋值兼容规则 "天然"的行为 验证: 1. 其他权限继承能否支持赋值兼容规则 2.是否"天然",有没有产 ...

  5. kubernetes pod升级与回滚扩容与缩容

    运行一个容器: apiVersion: apps/v1 kind: Deployment metadata: annotations: deployment.kubernetes.io/revisio ...

  6. 微信小程序学习随笔

    scroll-view与view 要做出滚动视图的效果 <scroll-view> <view id="1">11</view> <vie ...

  7. C#笔记 关于采集卡

    周更!节日快乐! 1. 参数 1.1 CAM file CAM file是文件扩展名为.cam的可读ASCII文件,包含了参数列表,比如:AcquisitionMode,TrigMode等.通过McS ...

  8. 从数据库设计到性能调优,全面掌握openGemini应用开发最佳实践

    本文分享自华为云社区<DTSE Tech Talk × openGemini :从数据库设计到性能调优,全面掌握openGemini应用开发最佳实践>,作者:华为云开源. 在本期<从 ...

  9. umount 报错umount: /new_room: target is busy. (In some cases useful info about processes that use the device is found by lsof(8) or fuser(1))

    挂载逻辑卷后,尝试更新逻辑卷的文件系统 [root@server lost+found]# umount /new_room/ umount: /new_room: target is busy. ( ...

  10. 程序员面试金典-面试题 16.25. LRU缓存

    题目: 设计和构建一个"最近最少使用"缓存,该缓存会删除最近最少使用的项目.缓存应该从键映射到值(允许你插入和检索特定键对应的值),并在初始化时指定最大容量.当缓存被填满时,它应该 ...