背景
希望选择一款Web Service性能测试工具，能真实模拟大量用户访问网站时的请求，从而获取服务器当前的请求处理能力（请求数/秒）。 以微信服务器为例，每个用户用独立的登录token，做各种操作，比如刷消息、发消息、看朋友圈等。
希望该性能测试工具符合如下要求：
- 测试脚本能力，最好是Python/Ruby等最常用的
- 每个并发实例能使用不同参数
- CLI启动测试，这对自动化测试很重要
- Session支持，也就是第一个请求的响应，能用于后续请求的参数。
- 单个结点的并发数量高。
- 分布式支持，不受限于单个结点的计算能力。
性能测试工具选手：
Gatling
Gatling是一款基于Scala 开发的高性能服务器性能测试工具，它主要用于对服务器进行负载等测试，并分析和测量服务器的各种性能指标。Gatling主要用于测量基于HTTP的服务器，比如Web应用程序，RESTful服务等，除此之外它拥有以下特点：
- 支持Akka Actors 和 Async IO，从而能达到很高的性能
- 支持实时生成Html动态轻量报表，从而使报表更易阅读和进行数据分析
- 支持DSL脚本，从而使测试脚本更易开发与维护
- 支持录制并生成测试脚本，从而可以方便的生成测试脚本
- 支持导入HAR（Http Archive）并生成测试脚本
- 支持Maven，Eclipse，IntelliJ等，以便于开发
- 支持Jenkins，以便于进行持续集成
- 支持插件，从而可以扩展其功能，比如可以扩展对其他协议的支持
- 开源免费
测试场景示例： http://gatling.io/docs/2.1.7/advanced_tutorial.html
object Search {
val feeder = csv("search.csv").random // 1, 2
val search = exec(http("Home")
.get("/"))
.pause(1)
.feed(feeder) // 3
.exec(http("Search")
.get("/computers?f=${searchCriterion}") // 4
.check(css("a:contains('${searchComputerName}')", "href").saveAs("computerURL"))) // 5
.pause(1)
.exec(http("Select")
.get("${computerURL}")) // 6
.pause(1)
}
统计图：
nGrinder
官网很卡，真的很卡...zzz...
http://naver.github.io/ngrinder/
nGrinder是一个基于 Grinder 开发的一个非常易于管理和使用的性能测试系统。
它是由一个controller和连接它的多个agent组成，用户可以通过web界面管理和控制测试，以及查看测试报告，controller会把测试分发到一个或多个agent去执行。用户可以设置使用多个进程和线程来并发的执行该脚本，而且在同一线程中，来重复不断的执行测试脚本，来模拟很多并发用户。
nGrinder的测试是基于一个python的测试脚本，用户按照一定规则编写测试脚本以后，controller会将脚本以及需要的其他文件分发到agent，用Jython执行。并在执行过程中收集运行情况、响应时间、测试目标服务器的运行情况等。并保存这些数据生成运行报告，以供以后查看。
nGrinder的一大特点就是非常容易使用，安装也非常容易，可以做到开箱即用，测试用户也可以很容易就开始测试任务。当然，如果想执行一些比较复杂场景的性能测试，就需要测试人员对python有一定认识。
测试场景示例： http://grinder.sourceforge.net/faq.html#simulating-users
#
# testRandomise.py
#
import random
import string
class TestRandomise:
def __init__(self, filename):
self._users = []
infile = open(filename, "r")
for line in infile.readlines():
self._users.append(string.split((line),','))
infile.close()
def getUserInfo(self):
"Pick a random (user, password) from the list."
return random.choice(self._users)
#
# Test script. Originally recorded by the TCPProxy.
#
from testRandomise import TestRandomise
tre = TestRandomise("users.txt")
class TestRunner:
def __call__(self):
# Get user for this run.
(user, passwd) = tre.getUserInfo()
# ...
# Use the user details to log in.
tests[2002].POST('https://host:443/securityservlet',
( NVPair('functionname', 'Login'),
NVPair('pagename', 'Login'),
NVPair('ms_emailAddress', user),
NVPair('ms_password', passwd), ))
统计图：
Locust
Locust 是一个开源负载测试工具。使用 Python 代码定义用户行为，也可以仿真百万个用户。
Locust 是非常简单易用，分布式，用户负载测试工具。Locust 主要为网站或者其他系统进行负载测试，能测试出一个系统可以并发处理多少用户。
Locust 是完全基于时间的，因此单个机器支持几千个并发用户。相比其他许多事件驱动的应用，Locust 不使用回调，而是使用轻量级的处理方式 gevent。
测试场景示例： http://docs.locust.io/en/latest/quickstart.html#example-locustfile-py
from locust import HttpLocust, TaskSet
def login(l):
l.client.post("/login", {"username":"ellen_key", "password":"education"})
def index(l):
l.client.get("/")
def profile(l):
l.client.get("/profile")
class UserBehavior(TaskSet):
tasks = {index:2, profile:1}
def on_start(self):
login(self)
class WebsiteUser(HttpLocust):
task_set = UserBehavior
min_wait=5000
max_wait=9000
统计图：
其他未参与比较的工具
因为没有脚本能力或CLI，所以未加入比较
- JMeter
- ApacheBench(ab)
- Tsung
Locust作者对JMeter和Tsung发的牢骚：
http://my.oschina.net/u/1433482/blog/464092#OSC_h4_3
我们研究了现有的解决方案，都不符合要求。比如Apache JMeter和Tsung。
JMeter基于UI操作，容易上手，但基本上不具备编程能力。其次JMeter基于线程，要模拟数千用户几乎不可能。
Tsung基于Erlang，能模拟上千用户并易于扩展，但它基于XML的DSL，描述场景能力弱，且需要大量的数据处理才知道测试结果。
比较
比较科目x工具矩阵
| 比较科目 | Gatling | nGrinder | Locust | | -------- | ----- | ---- | | 并发机制 | Akka Actor | Java线程 | Python gevent| | 单结点并发数量 | 待实验 | 待实验(官网数字：3000) | 待实验 | | 分布式支持 | N | agent-controller | master-slave | | 录制脚本 | Http Proxy | TCProxy | N | | 测试脚本DSL | scala dsl | Jython/Groovy | Python | | Session支持 | Y | Y | Y | | CLI启动测试 | gatling.sh | Y | N (需要在浏览器中点击启动测试) | | 性能测试结果统计 | Y | Y | Y | | 监控被测试服务器 | N | Y | N | | 每个实例不同参数 | ★★★★★ 参数文件 | ★★★☆☆ 资源文件和线程Id | ★★☆☆☆ 变通办法：每个并发实例依次从参数文件中读取 |
结论
很明显，首选的全能选手就是Gatling，Akka Actor的并发模型就是来自于并发语言的鼻祖Erlang。
如果想自己扩展性能测试工具，那么Locust这个小而精的工具可以考虑。
nGrinder工具是韩国版微信Line开源的，并且专门开设了中文论坛，由韩国工程师回答中国开发者。但有两个问题,一是官网太卡，其二示例都是片段不完整。
各位同学参照上面的对比，自己各取所需吧。
来源：oschina
链接：https://my.oschina.net/u/1990460/blog/483779