HTTP性能压测工具wrk应用实战

背景:wrk 是当今最流行的 HTTP 压测工具，用于模拟高并发情况下的 HTTP 请求。wrk 使用 Lua 作为脚本语言，可以通过编写 Lua 脚本来自定义请求的参数和逻辑。

它支持多线程并发请求，并提供了丰富的统计信息和报告，可以帮助你评估服务器的性能和承受能力。本贴致力于最快速让你上手wrk。看完本贴，你将学会使用 wrk 对 http 接口进行压测, 并计算其 TPS 指标。

安装 wrk(需要在 linux 系统上)

命令行输入一下命令下载 wrk 源码

git clone https://github.com/wg/wrk.git  

随后进入 wrk 目录并进行编译

cd wrkmake

随后将生成一个可执行的 wrk 文件，我们可以把这个文件拷贝到我想要的地方，或者直接拷贝到 bin 目录:

cp wrk /usr/local/bin/

新建工程

创建新目录 wrk_demo 在该目录下打开命令行输入:​​​​​​​

go mod init wrkgo mod tidy

随后创建各目录与文件如下:

-- wrk_demo     -- main.go http 服务端启动文件    -- tps.lua wrk 请求参数与结果统计脚本    -- wrk wrk 可执行文件, 由 git 仓库 make 而来    -- go.mod --go.sum

main.go

先来看 服务端 代码, 非常简单，注册了 个 hello 路由, 然后简单校验了下 请求方法, header, 和 body 内容, 若没问题则返回一个 "hello from hello handler" 字符串。​​​​​​​

package main
import (   "fmt"   "io"   "net/http")
func main() {
   http.HandleFunc("/hello", helloHandler)
   errChan := make(chan error)   go func() {      errChan <- http.ListenAndServe(":9000", nil)   }()   err := <-errChan   if err != nil {      fmt.Println("Server stop running.")   }}
func helloHandler(w http.ResponseWriter, r *http.Request) {
   // check method   if r.Method != http.MethodPost {      w.Write([]byte("{"msg":"method error"}"))      return   }
   // check header   if r.Header.Get("user_token") != "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJVc2VySUQiOjEsIlVzZXJuYW1lIjoiVG9tIiwiR3JhbnRTY29wZSI6InJlYWRfdXNlcl9pbmZvIiwiaXNzIjoiQXV0aF9TZXJ2ZXIiLCJzdWIiOiJUb20iLCJhdWQiOlsiQW5kcm9pZF9BUFAiLCJJT1NfQVBQIl0sImV4cCI6MTY4MDk1MDQ4OSwibmJmIjoxNjgwOTQ2ODkwLCJpYXQiOjE2ODA5NDY4ODksImp0aSI6IkR6ZzlNZ1NlUFIifQ.7Yi42Ur2Yivh5dpmMY-CxpQ5kR0IoIAh7F8xNLjdAcM" {      w.Write([]byte("{"msg":"userToken error"}"))      return   }
   // check body   body_bytes, err := io.ReadAll(r.Body)   if err != nil {      w.Write([]byte("{"msg":"read body error"}"))      return   }
   if string(body_bytes) != "{"username":"Tom"}" {      w.Write([]byte("{"msg":"body content error"}"))      return   }
   // return ok   w.Write([]byte("{"msg":"hello from hello handler"}"))   return
}

tps.lua

在 lua 脚本中我们定义了请求的各种参数, 使用wrk.method, wrk.body, wrk.headers 可以很轻易的设置请求方法, 请求体和请求参数。

在 WRK中，我们是可以设置发起请求的线程数的，要统计 TPS， 就得统计每一个线程收到的 成功返回的数量，然后将全部线程的成功返回数量相加，再除以总的响应时间, 就是TPS。

在 wrk 中可以通过 setup 函数对每一个线程设置一些初始变量，比如我定义了一个 success_counter 用于统计成功的返回数, 初始化为0. 随后将这个 success_counter 注册到了 这个线程中，使用一个全局变量 threads 用于存储所有 线程(实际上只关注线程里面的 success_counter)

在 wrk 中还可以通过 response 函数对每个 thread 的每一个请求的 response 进行获取，比如我根据 body 是否等于某个值来判断是否返回成功的结果, 若成功返回则进行  success_counter+1. 事实上 setup 函数与 response 函数是 同一个 thread 里面的, 所以这个 success_counter 变量可以跨函数共享, 所以在 response 函数中+1, 整个 thread 中的  thread 变量也会+1. 并且 thread.set 操作的值是一个 指针, 所以无需再次调用thread:set("success_counter", success_counter)即可完成 对 thread 对象的赋值操作。

在所有请求结束以后, wrk 会调用 done 函数获取到运行的结果。这里我们遍历了所有 threads, 将里面成功的返回相加再除以总的响应时间, 即为接口的TPS。

由于 summary.duration是微妙, 所以计算时需要乘以 1000*1000.

wrk.method = "POST"wrk.body = '{"username":"Tom"}'wrk.headers["user_token"] = "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9.eyJVc2VySUQiOjEsIlVzZXJuYW1lIjoiVG9tIiwiR3JhbnRTY29wZSI6InJlYWRfdXNlcl9pbmZvIiwiaXNzIjoiQXV0aF9TZXJ2ZXIiLCJzdWIiOiJUb20iLCJhdWQiOlsiQW5kcm9pZF9BUFAiLCJJT1NfQVBQIl0sImV4cCI6MTY4MDk1MDQ4OSwibmJmIjoxNjgwOTQ2ODkwLCJpYXQiOjE2ODA5NDY4ODksImp0aSI6IkR6ZzlNZ1NlUFIifQ.7Yi42Ur2Yivh5dpmMY-CxpQ5kR0IoIAh7F8xNLjdAcM"
-- thread tablelocal threads = {}
-- set up some variable for each threadfunction setup(thread)   success_counter=0   thread:set("success_counter", success_counter)   table.insert(threads, thread)end
-- record successful responsefunction response(status, headers, body)    if body == "{"msg":"hello from hello handler"}" then        success_counter = success_counter + 1    endend
-- calculate tpsfunction done(summary, latency, requests)    --sum up successful response from each thread    total_success_counter = 0    for _, thread in ipairs(threads) do          total_success_counter = total_success_counter +thread:get("success_counter")    end    print("total_success_counter = " .. total_success_counter )    print("TPS = "  ..     1000*1000*total_success_counter/summary.duration)end

此外 wrk 还内置别的函数 如 init, request, delay, 这些都可以对每一个线程, 每一个请求做出更加细致的操作，有兴趣的同学可以自行查找如何使用。

运行起来

首先我们启动服务端, 确保在 wrk_demo 目录下运行

go run main.go

随后启动 wkr:

./wrk -t 2 -c 4 -d 1s  -s tps.lua  http://localhost:9000/hello

-t 2参数表示使用 2 个线程, -c 4参数 表示总的并发连接数为4, 每一个 线程连接数 = 总的并发连接/线程数量, -d 1s 表示请求1秒, -s tps.lua 表示请求 1秒, 最后的 http://localhost:9000/hello 为 请求的 URL

运行结果如下:

  2 threads and 4 connections  Thread Stats   Avg      Stdev     Max   +/- Stdev    Latency   169.17us   64.88us   1.04ms   81.37%    Req/Sec    10.65k   689.25    12.12k    70.00%  21167 requests in 1.01s, 3.05MB readRequests/sec:  20975.47Transfer/sec:      3.02MBtotal_success_counter = 21167TPS = 20975.472956435

可以看到 启动了 2给线程，4个并发, 每个 线程的平均延迟时间为 169.17us, 平均每秒请求数为10.65k, 还可以看到这两个指标的最大值, 标准差和正负标准差之间的比例。 

总共在 1.01 秒内完成了 21167 次请求, 收到了服务端3.02MB的返回数据。平均每秒请求数为 20975.47, 每秒收到的服务端数据为 3.02MB(也称吞吐量)。总的成功返回数为 21167, TPS 为 20975.472956435。

​现在我也找了很多测试的朋友，做了一个分享技术的交流群，共享了很多我们收集的技术文档和视频教程。
如果你不想再体验自学时找不到资源，没人解答问题，坚持几天便放弃的感受
可以加入我们一起交流。而且还有很多在自动化，性能，安全，测试开发等等方面有一定建树的技术大牛
分享他们的经验，还会分享很多直播讲座和技术沙龙
可以免费学习！划重点！开源的！！！
qq群号：485187702【暗号：csdn11】

最后感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走！ 希望能帮助到你！【100%无套路免费领取】