使用Gatling作web压力测试遇到的一些状况

Gatling是什么

Gatling是一个使用Scala编写的开源的负载测试框架，基于Akka和Netty，具备如下亮点:

• 高性能
• 友好的HTML报告
• 基于情境的记录器(recoder)，对开发友好的DSL

Gatling VS Jmeter

Jmeter是目前很是成熟的负载测试工具，支持至关多的协议，支持插件，能够轻松的扩展。

而Gatling性能上更有优点，而且使用Scala DSL代替xml作配置，相比jmeter要更灵活，并且更容易修改和维护。

关于Jmeter和Gatling的一个比较好的对比能够参见infoq的文章

同时，Gatling也对Maven和Gradle这样的构建工具比较友好，易于集成到Jenkins中，轻松加入到CI流程中。

TIPS: 在实际使用中建议版本化管理gatling的配置，使用maven插件或gradle插件造成对应的maven/gradle工程项目管理，更容易，并且容量更小，升级gatling也会更方便，减小了不少手工的操做。

Gatling的基本使用

从官方网站下载zip压缩包，解压就好了，须要预先安装有JDK，并设置好JAVA_HOME，熟悉JAVA的朋友应该都懂，就不细说了。

Gatling的目录结构看起来像这样:

│  LICENSE │ ├─bin │ gatling.bat │ gatling.sh │ recorder.bat │ recorder.sh │ ├─conf │ gatling-akka.conf │ gatling.conf │ logback.xml │ recorder.conf │ ├─lib ├─results │ .keep │ └─user-files ├─bodies │ .keep │ ├─data │ search.csv │ └─simulations └─computerdatabase │ BasicSimulation.scala │ └─advanced AdvancedSimulationStep01.scala AdvancedSimulationStep02.scala AdvancedSimulationStep03.scala AdvancedSimulationStep04.scala AdvancedSimulationStep05.scala

bin/目录存放gatling的可执行文件，conf/存放配置，一般保持默认便可，lib/存放gatling自己的依赖，用户不用管，results/存放报告，user-files/是用户最主要使用的目录，用户定义的测试场景相关的代码均存放于此目录下。

zip包解压缩之后已经带有了一个官方的示例文件BasicSimulation.scala，想看看演示效果的直接使用bin/gatling.(bat|sh)启动就能够了。这个演示的场景描述见官方文档。那几个AdvancedSimulationStep其实效果上和BasicSimulation彻底一致，只是官方提供了一些参考的DSL写法而已。

一些实战中的DSL参考范例

尽管gatling和jmeter同样，带有一个图形化的recorder，可是功能极其简陋，只能模拟一个用户，而且没有结构化代码架构。所以只能用来生成最基本的框架，绝大多数状况须要用户本身编写DSL，其实官方文档中几乎已经涵盖了大部分的用例，照着抄就能够了。这里提供几个参考的DSL

Random不起做用？

有时候咱们须要在测试场景中引入随机数，从而更好的模拟大量用户请求的场景。很天然的想到几乎各个编程语言都带有Random函数库。而Scala天然也不例外，带有一个scala.util.Random类库。可是实际使用的时候可能会发现没用。好比下面这个例子:

forever(
    exec(http("Random id browse") .get("/articles/" + scala.util.Random.nextInt(100)) .check(status.is(200)) )

这个scala.util.Random.nextInt(100)会发现只有第一次会随机生成一个数字，后面都不变。按照gatling的官方文档的解释，因为DSL会预编译，在整个执行过程当中是静态的。所以Random在运行过程当中就已经静态化了，不会再执行。应改成Feeder实现。Feeder是gatling用于实现注入动态参数或变量的。改用Feeder实现:

val randomIdFeeder = Iterator.continually(Map("id" -> (scala.util.Random.nextInt(100)))) forever( feed(randomIdFeeder) .exec(http("Random id browse") .get("/articles/${id}")) .check(status.is(200)) )

feed()在每次执行时都会从Iterator[Map[String, T]]对象中取出一个值，这样才能实现这个需求。

使用import引入外部方法

例如专门写一个Feeders.scala文件，存储着各类须要用到的Feeder:

import scala.util.Random object LinchangFeeders { def randomGeoFeeder() : Iterator[Map[String, Number]] = { val LNG_RANGE = List(108.75, 109.1) val LAT_RANGE = List(34.0, 34.4) return Iterator.continually( Map( "lng" -> ( Random.nextFloat() * (LNG_RANGE(1) - LNG_RANGE(0)) + LNG_RANGE(0) ) ,"lat" -> ( Random.nextFloat() * (LAT_RANGE(1) - LAT_RANGE(0)) + LAT_RANGE(0) ) ) ) } def randomOffsetFeeder() : Iterator[Map[String, Number]] = { Iterator.continually(Map("offset" -> Random.nextInt(100))) } }

而后在MySimulation.scala就能够import，使用里面定义好的方法了:

import scala.concurrent.duration._ import scala.util.Random import io.gatling.core.Predef._ import io.gatling.http.Predef._ import io.gatling.jdbc.Predef._ import Feeders._ class MySimulation extends Simulation { val brownse = feed(randomOffsetFeeder) .exec( home ) }

用户注入策略

• <= 10: 一把注入
• > 10: 每10秒注入10个用户

val injectStrategy = if (USERS_COUNT > 10) { splitUsers(USERS_COUNT) into( rampUsers(10) over(5 seconds) ) separatedBy(10 seconds) } else { atOnceUsers(USERS_COUNT) }

压测时间策略

• = 0: 全部模拟用户不循环，执行完测试场景即退出
• > 0: 全部模拟用户循环执行测试场景，直到达到指定时间

val scn = scenario("My test scenario") .doIfOrElse(DURATION > 0) { forever( exec(steps) ) } { exec(steps) } val setup = setUp( scn.inject( injectStrategy ).protocols(httpProtocol) ) if (DURATION > 0) { setup.maxDuration(DURATION minutes) }