wrk压测工具
简介
wrk 是一款针对 http 协议的基准测试工具，它能够在单机多核 CPU 的条件下，使用系统自带的高性能 I/O 机制，如 epoll，kqueue 等，通过多线程和事件模式，对目标机器产生大量的负载。即wrk能够开启多个连接访问接口，看接口最多每秒可以承受多少连接。
优势：
- 轻量级性能测试工具
- 安装简单
- 学习曲线基本为0，几分钟就学会使用了
- 基于系统自带的高性能I/O机制，如epoll，kqueue，利用异步的事件驱动框架，通过很少的线程就可以压出很大的并发量，例如几万、几十万，这是很多性能测试工具无法做到的。
劣势：
- wrk 目前仅支持单机压测，后续也不太可能支持多机器对目标机压测，因为它本身的定位，并不是用来取代 JMeter, LoadRunner 等专业的测试工具。
安装
1. github下载release的gz压缩包 GitHub - wg/wrk: Modern HTTP benchmarking tool
2. tar zxvf wrk-4.2.0.tar.gz
3. 进入wrk-4.2.0 目录 make
4. make结束后，./wrk 运行命令
语法
wrk <options> <url>-c <N>, 模拟并发数
-d <T>, --duration: 测试持续时间, e.g. 2s, 2m, 2h-t <N>, --threads: 使用多少个线程进行压测，压测时，是有一个主线程来控制我们设置的n个子线程间调度。一般线程数不宜过多，CPU核数的2到4倍足够了. 多了反而因为线程切换过多造成效率降低. 因为 wrk 不是使用每个连接一个线程的模型, 而是通过异步网络 io 提升并发量. 所以网络通信不会阻塞线程执行. 这也是 wrk 可以用很少的线程模拟大量网路连接的原因. 而现在很多性能工具并没有采用这种方式, 而是采用提高线程数来实现高并发. 所以并发量一旦设的很高, 测试机自身压力就很大. 测试效果反而下降。
-s , --script: 指定自己编写的LuaJIT脚本。可选的 LuaJIT 脚本可以执行 HTTP 请求生成，响应处理和自定义报告。
-H, --header: 添加到http请求的headert, e.g. "User-Agent: wrk"
--latency: 打印延迟的统计信息
--timeout <T>: 超时时间
-v, --version 打印正在使用的wrk的详细版本信
<N>代表数字参数，支持国际单位 (1k, 1M, 1G)
<T>代表时间参数，支持时间单位 (2s, 2m, 2h)
简单压测及结果分析
做一个简单的压测，分析下结果：
wrk -t8 -c200 -d30s --latency http://www.bing.com输出：
Running 30s test @ http://www.bing.com
8 threads and 200 connections
Thread Stats Avg Stdev Max +/- Stdev
Latency 46.67ms 215.38ms 1.67s 95.59%
Req/Sec 7.91k 1.15k 10.26k 70.77%
Latency Distribution
50% 2.93ms
75% 3.78ms
90% 4.73ms
99% 1.35s
1790465 requests in 30.01s, 684.08MB read
Requests/sec: 59658.29
Transfer/sec: 22.79MB以上是使用8个线程200个连接，对bing首页进行了30秒的压测，并要求在压测结果中输出响应延迟信息。
以下是解释压测结果：
Running 30s test @ http://www.bing.com （压测时间30s）
8 threads and 200 connections （共8个测试线程，200个连接）
Thread Stats Avg Stdev Max +/- Stdev
（线程统计） （平均值） （标准差）（最大值）（正负一个标准差占比）
Latency 46.67ms 215.38ms 1.67s 95.59%
（响应时间）
Req/Sec 7.91k 1.15k 10.26k 70.77%
每线程每秒完成请求数
Latency Distribution （延迟分布）
50% 2.93ms 有50%的请求执行时间是在2.93ms内完成
75% 3.78ms
90% 4.73ms
99% 1.35s （99分位的延迟：%99的请求在1.35s以内）
1790465 requests in 30.01s, 684.08MB read （30.01秒内共处理完成了1790465个请求，读取了684.08MB数据）
Requests/sec: 59658.29 （平均每秒处理完成59658.29个请求）（也就是QPS=接口每秒的查询数）
Transfer/sec: 22.79MB （平均每秒读取数据22.79MB）
（1）一般来说我们主要关注平均值和最大值. 标准差如果太大说明样本本身离散程度比较高. 有可能系统性能波动很大.
（2）可以测试自己编写接口的qps，即每秒可以承受的最大访问连接数。 通过增大连接数，可以找到qps开始变小的数值，此时就是接口能够支持的最优连接数。大于最优连接数会降低qps。
两分钟读懂什么是TPS和QPS_张维鹏的博客-CSDN博客_qps tps
使用lua脚本进行压测
lua脚本是一种轻量小巧的脚本语言，用标准c语言编写，并以源代码形式开放，其设计目的是为了嵌入应用程序中，从而为程序提供灵活的扩展和定制功能。wrk工具嵌入了lua脚本语言，因此，在自定义压测场景时，可在wrk目录下使用lua定制压测场景。
1、lua声明周期
共有三个阶段，启动阶段，运行阶段，结束阶段。wrk支持在这三个阶段对压测进行个性化。
启动阶段
function setup(thread)在脚本文件中实现setup方法，wrk就会在测试线程已经初始化但还没有启动的时候调用该方法。wrk会为每一个测试线程调用一次setup方法，并传入代表测试线程的对象thread作为参数。setup方法中可操作该thread对象，获取信息、存储信息、甚至关闭该线程。
thread.addr - get or set the thread's server address thread:get(name) - get the value of a global in the thread's env thread:set(name, value) - set the value of a global in the thread's env thread:stop() - stop the thread运行阶段
function init(args) --由测试线程调用，只会在进入运行阶段时，调用一次。支持从启动wrk的命令中，获取命令行参数； function delay() --在每次发送request之前调用，如果需要delay，那么delay相应时间； function request() --用来生成请求；每一次请求都会调用该方法，所以注意不要在该方法中做耗时的操作； function response(status, headers, body) --在每次收到一个响应时调用；为提升性能，如果没有定义该方法，那么wrk不会解析headers和body；结束阶段
function done(summary, latency, requests) --在整个测试过程中只会调用一次，可从参数给定的对象中，获取压测结果，生成定制化的测试报告。
2、自定义脚本中可访问的变量和方法：
变量：wrk
wrk = {
scheme = "http",
host = "localhost",
port = nil,
method = "GET",
path = "/",
headers = {},
body = nil,
thread = <userdata>,
}方法：wrk.fomat wrk.lookup wrk.connect
function wrk.format(method, path, headers, body) --根据参数和全局变量wrk，生成一个HTTP rquest string。
function wrk.lookup(host, service) --给定host和service（port/well known service name），返回所有可用的服务器地址信息。
function wrk.connect(addr) --测试与给定的服务器地址信息是否可以成功创建连接3、lua脚本压测实例
压测命令：
wrk -t8 -c200 -d30s --latency -s test.lua http://www.bing.comtest.lua是用lua写的压测脚本，如下是压测脚本的实例：
使用post方法压测
wrk.method = "POST"
wrk.headers["S-COOKIE2"]="a=2&b=Input&c=10.0&d=20191114***"
wrk.body = "recent_seven=20191127_32;20191128_111"
wrk.headers["Host"]="api.shouji.**.com"
function response(status,headers,body)
if status ~= 200 then --将服务器返回状态码不是200的请求结果打印出来
print(body)
-- wrk.thread:stop()
end
end发送json
request = function()
local headers = { }
headers['Content-Type'] = "application/json"
body = {
mobile={"1533899828"},
params={code=math.random(1000,9999)}
}
local cjson = require("cjson")
body_str = cjson.encode(body)
return wrk.format('POST', nil, headers, body_str)
endwrk读取文件，实现随机header-cookie
idArr = {}
falg = 0
wrk.method = "POST"
wrk.body = "a=1"
function init(args)
for line in io.lines("integral/cookies.txt") do
print(line)
idArr[falg] = line
falg = falg+1
end
falg = 0
end
--wrk.method = "POST"
--wrk.body = "a=1"
--wrk.path = "/v1/points/reading"
request = function()
parms = idArr[math.random(0,4)] --随机传递文件中的参数
--parms = idArr[falg%(table.getn(idArr)+1)] 循环传递文件中的参数
wrk.headers["S-COOKIE2"] = parms
falg = falg+1
return wrk.format()
endwrk创建数组并初始化，拼接随机参数
idArr = {};
function init(args)
idArr[1] = "1";
idArr[2] = "2";
idArr[3] = "3";
idArr[4] = "4";
end
request = function()
parms = idArr[math.random(1,4)]
path = "/v1/points/reading?id="..parms
return wrk.format("GET",path)
end