基于Jmeter与python，建立半自动化压测流程 （一）

简单记录一下实施过程与踩过的坑

1.背景介绍

本公司与某客户的项目，为docker单机部署。部署服务器为AWS。主要分为三个服务：算法模型服务，Redis服务和爬虫服务。客户主要想知道当前硬件环境下混合接口测试时系统可承受的最大TPS，开发团队想知道系统可以承受的最大并发。故产生此次测试需求。

因为墙的原因，施压服务器从以往的阿里云转为两台AWS，硬件指标与被压测环境服务器一致，4核CPU，64GB物理内存，均为千兆网卡。

根据长期压测经验，压测工具选为开源工具Jmeter。数据分析与脚本控制选择python写脚本。硬件监控采用AWS自带监控，nmon配合使用。

此处需注意，Jmeter为Java开发，虚拟用户模型实现基于线程，耗用系统资源比较高，需根据压测机物理配置对应修改Jmeter的配置文件（通俗说Jmeter本身也需要进行JVM调优。）Jmeter官方文档内我没有找到推荐配置，故按照JVM一般调优原则进行配置。

Jmeter有一个很容易被误解的概念，此处也做一下说明。

Jmeter中的并发和用户数没有必然联系。用户数实际为Jmeter此时开启了多少线程。理论上如果你不设置TPS控制器，这些线程会尽最大努力去发送请求。而1s内你设置的这些用户数发出了多少请求，可以理解为“此时的1s内并发数”。我们都知道现实中不太可能出现理想的真正并发，我们要始终明确：我们的目的是找瓶颈，不是纠结到底有多少真正的并发。

我们这次实施时，通过不断增加用户数和JVM调优，在当前单台测试机上获得的Jmeter最大线程约为11000。测试中发现此配置已经足以满足此次测试需求，故只用单机跑压测就可以。需要的话可以上分布式测试，Jmeter官网文档有详细配置说明࿰