前言
在进行性能测试时，我们需要对测试结果进行监控和分析，以便于及时发现问题并进行优化。
Locust在内存中维护了一个时间序列数据结构，用于存储每个事件的统计信息。 这个数据结构允许我们在Charts标签页中查看不同时间点的性能指标，但是正因为Locust WebUI上展示的数据实际上是存储在内存中的。所以在Locust测试结束后，这些数据将不再可用。 如果我们需要长期保存以便后续分析测试数据，可以考虑将Locust的测试数据上报到外部的数据存储系统，如InfluxDB，并使用Grafana等可视化工具进行展示和分析。
本文将介绍如何使用Locust进行负载测试，并将测试数据上报到InfluxDB。同时，我们将使用Grafana对测试数据进行展示和分析。
最终效果：
influxDB
InfluxDB是一款开源的时间序列数据库，专为处理大量的时间序列数据而设计。时间序列数据通常是按照时间顺序存储的数据点，每个数据点都包含一个时间戳和一个或多个与之相关的值。这种数据类型在许多场景下都非常常见，如监控系统、物联网设备、金融市场数据等。在这些场景下，数据上报是一种关键的需求，因为它可以帮助我们实时了解系统的状态和性能。
注： InfluxDB 开源的时单机版本，集群版本并未开元，但是对于普通用户的日常场景已经完全够用。
以下是关于InfluxDB的关键特性和优势的表格：
| 特性 | 优势 |
|---|---|
| 高性能 | 针对时间序列数据进行了优化，可以快速地写入和查询大量数据。 |
| 数据压缩 | 使用了高效的数据压缩算法，在磁盘上节省大量空间。 |
| 自带查询语言 | 具有一种名为InfluxQL的查询语言，类似于SQL，便于查询和分析数据。 |
| 数据保留策略 | 支持设置数据保留策略，可以自动清除过期的数据。 |
| 易于集成 | 具有丰富的API和客户端库，可以轻松地与其他系统和工具集成。 |
安装运行InfluxDB
如果你已经安装了Docker，可以直接使用官方的InfluxDB镜像来运行InfluxDB：
docker run -p 8086:8086 -v $PWD:/var/lib/influxdb influxdb:1.8 此命令将在Docker容器中启动InfluxDB，并将主机上的8086端口映射到容器的8086端口。
点击查看在如何在不同操作系统中如何安装 InfluxDB
InfluxDB的安装方法因操作系统而异。以下是针对不同操作系统的InfluxDB安装指南：
在Ubuntu上安装InfluxDB
- 导入InfluxDB的GPG key并添加仓库：
wget -qO- https://repos.influxdata.com/influxdb.key | sudo gpg --dearmor -o /usr/share/keyrings/influxdb-archive-keyring.gpg echo "deb [signed-by=/usr/share/keyrings/influxdb-archive-keyring.gpg] https://repos.influxdata.com/debian $(lsb_release -cs) stable" | sudo tee /etc/apt/sources.list.d/influxdb.list - 更新仓库并安装InfluxDB：
sudo apt-get update sudo apt-get install influxdb - 启动InfluxDB服务：
sudo systemctl unmask influxdb.service sudo systemctl start influxdb - 设置开机启动：
sudo systemctl enable influxdb 在CentOS/RHEL上安装InfluxDB
- 创建InfluxDB仓库文件：
sudo vi /etc/yum.repos.d/influxdb.repo - 将以下内容添加到仓库文件中：
[influxdb] name = InfluxDB Repository - RHEL $releasever baseurl = https://repos.influxdata.com/rhel/$releasever/$basearch/stable enabled = 1 gpgcheck = 1 gpgkey = https://repos.influxdata.com/influxdb.key - 安装InfluxDB：
sudo yum install influxdb - 启动InfluxDB服务：
sudo systemctl start influxdb - 设置开机启动：
sudo systemctl enable influxdb 在macOS上安装InfluxDB
使用Homebrew安装InfluxDB：
brew install influxdb 启动InfluxDB服务：
brew services start influxdb 更多关于InfluxDB安装的详细信息，请参考官方文档：https://docs.influxdata.com/influxdb/v2.1/install/
使用Python 上报数据到influxdb
首先，确保已经安装了influxdb库：
pip install influxdb 然后，使用以下代码上报数据到InfluxDB：
以下是一个使用Python操作InfluxDB上报数据的示例，对照MySQL进行注释：
import time from influxdb import InfluxDBClient # 连接到InfluxDB（类似于连接到MySQL数据库） client = InfluxDBClient(host='localhost', port=8086) # 创建数据库（类似于在MySQL中创建一个新的数据库） client.create_database('mydb') # 切换到创建的数据库（类似于在MySQL中选择一个数据库） client.switch_database('mydb') # 上报数据（类似于在MySQL中插入一条记录） data = [ { # 在InfluxDB中，measurement相当于MySQL中的表名 "measurement": "cpu_load", # tags相当于MySQL中的索引列，用于快速查询 "tags": { "host": "server01", "region": "us-west" }, # time为时间戳，是InfluxDB中的关键字段 "time": int(time.time_ns()), # fields相当于MySQL中的数据列，用于存储实际的数据值 "fields": { "value": 0.64 } } ] # 写入数据（类似于在MySQL中执行INSERT语句） client.write_points(data) 在这个示例中，我们首先连接到InfluxDB（类似于连接到MySQL数据库），然后创建一个名为mydb的数据库（类似于在MySQL中创建一个新的数据库），并切换到创建的数据库（类似于在MySQL中选择一个数据库）。接着，我们准备了一条名为cpu_load的数据（在InfluxDB中，measurement相当于MySQL中的表名），并为数据添加了host和region标签（类似于MySQL中的索引列）。最后，我们将数据写入到InfluxDB中（类似于在MySQL中执行INSERT语句）。
执行上面的代码后我们可以看到我们的操作成功了：
如果我们安装了influx-cli就可以在命令行中直接查询刚才写入的数据：
bingohe@MacBook-Pro ~ $ /usr/local/Cellar/influxdb@1/1.11.1/bin/influx Connected to http://localhost:8086 version 1.8.10 InfluxDB shell version: 1.11.1 > show databases; name: databases name ---- _internal mydb > use mydb Using database mydb > show measurements; name: measurements name ---- cpu_load > select * from cpu_load; name: cpu_load time host region value ---- ---- ------ ----- 1688874870046897000 server01 us-west 0.64
点击查看如何使用命令行访问InfluxDB
要通过命令行访问InfluxDB，你可以使用InfluxDB的命令行客户端工具influx。以下是安装influx客户端并通过命令行访问InfluxDB的步骤：
对于InfluxDB 1.x
- 安装
influx客户端：
- 在Ubuntu上：
sudo apt-get install influxdb-client - 在CentOS/RHEL上：
sudo yum install influxdb - 在macOS上：
brew install influxdb@1 - 使用
influx客户端连接到InfluxDB：
influx -host localhost -port 8086 这将连接到运行在localhost上的InfluxDB实例，端口为8086。你现在应该进入了InfluxDB的命令行界面，可以执行InfluxQL查询和管理操作。
对于InfluxDB 2.x
- 安装
influx客户端：
- 在Ubuntu上：
wget https://dl.influxdata.com/influxdb/releases/influxdb2-client-2.3.0-linux-amd64.tar.gz tar xvfz influxdb2-client-2.3.0-linux-amd64.tar.gz sudo cp influxdb2-client-2.3.0-linux-amd64/influx /usr/local/bin/ - 在CentOS/RHEL上：
wget https://dl.influxdata.com/influxdb/releases/influxdb2-client-2.3.0-linux-amd64.tar.gz tar xvfz influxdb2-client-2.3.0-linux-amd64.tar.gz sudo cp influxdb2-client-2.3.0-linux-amd64/influx /usr/local/bin/ - 在macOS上：
brew install influxdb@2 - 使用
influx客户端连接到InfluxDB：
influx -host localhost -port 8086 -t your_token -o your_organization 这将连接到运行在localhost上的InfluxDB实例，端口为8086。同时，你需要提供你的令牌（token）和组织（organization）以进行身份验证和授权。你现在应该进入了InfluxDB的命令行界面，可以执行InfluxQL查询和管理操作。
命令行连接 influxdb
inlfux 默认执行的时，在macOS上，你可以通过以下命令找到InfluxDB 1.x的命令行工具：
brew list influxdb@1
在输出中，找到名为influx的可执行文件，它应该位于bin目录下。然后，使用完整路径来运行influx命令行工具，例如：
/usr/local/Cellar/influxdb@1/1.8.10/bin/influx -host localhost -port 8086 请注意，上述路径可能因InfluxDB版本和安装位置的不同而有所不同。请根据实际情况进行调整。
Locust 数据写入到 influx
在 【Python】万字长文，Locust 性能测试指北（上） 中我们提到过Locust的生命周期，我们也通过Locust生命周期实现了集合点的功能。现在我们一起来通过它实现测试数据的实时展示。
Locust的生命周期
点击查看Locust的生命周期
test_start：测试开始时触发。spawning_start：生成用户时触发。user_add：每个用户被添加时触发。spawning_complete：所有用户生成完成时触发。request：每个请求发生时触发。test_stop：测试停止时触发。
上报数据
我们先来看看常用的事件里面可以获取到的数据：
import time from locust import HttpUser, task, between, events @events.request.add_listener def request_handler(*args, **kwargs): print(f"request args: {args}") print(f"request kwargs: {kwargs}") @events.worker_report.add_listener def worker_report_handlers(*args, **kwargs): print(f"worker_report args: {args}") print(f"worker_report kwargs: {kwargs}") @events.test_start.add_listener def test_start_handlers(*args, **kwargs): print(f"test_start args: {args}") print(f"test_start kwargs: {kwargs}") @events.test_stop.add_listener def test_stop_handlers(*args, **kwargs): print(f"test_stop args: {args}") print(f"test_stop kwargs: {kwargs}") class QuickstartUser(HttpUser): wait_time = between(1, 2) @task def root(self): with self.client.get("/", json={"time": time.time()}, catch_response=True) as rsp: rsp_json = rsp.json() if rsp_json["id"] != 5: # 失败时上报返回的数据 rsp.failure(f"{rsp_json}") 运行一次测试时能看到这些生命周期内的Locust 对外暴露的数据：
test_start args: () test_start kwargs: {'environment': <locust.env.Environment object at 0x10c426c70>} request args: () request kwargs: {'request_type': 'GET', 'response_time': 2.6886250000011103, 'name': '/', 'context': {}, 'response': <Response [200]>, 'exception': None, 'start_time': 1688888321.896039, 'url': 'http://0.0.0.0:10000/', 'response_length': 8} request args: () request kwargs: {'request_type': 'GET', 'response_time': 2.735957999998817, 'name': '/', 'context': {}, 'response': <Response [200]>, 'exception': CatchResponseError("{'id': 6}"), 'start_time': 1688888323.421389, 'url': 'http://0.0.0.0:10000/', 'response_length': 8} test_stopping args: () test_stopping kwargs: {'environment': <locust.env.Environment object at 0x10c426c70>} test_stop args: () test_stop kwargs: {'environment': <locust.env.Environment object at 0x10c426c70>} 从上面的监控我们可以看到，每次任务启动和停止的时候会分别调用@events.test_start.add_listener和@events.test_stop.add_listener装饰的函数，每次请求发生的的时候都会调用@events.request.add_listener 监听器装饰的函数，我们就是要利用这一点来进行数据的上报。
通过查看 Locust 的 EventHook 源码注释我们可以看到标准的使用方法：
#.../site-packages/locust/event.py ... class EventHook: """ Simple event class used to provide hooks for different types of events in Locust. Here's how to use the EventHook class:: my_event = EventHook() def on_my_event(a, b, **kw): print("Event was fired with arguments: %s, %s" % (a, b)) my_event.add_listener(on_my_event) my_event.fire(a="foo", b="bar") If reverse is True, then the handlers will run in the reverse order that they were inserted """ ... 结合前面的写数据到 influxDB的实现，上报数据这一项一下子就变简单了：
简单实现每次请求数据上报 到 influxDB
下面的代码运行Locust测试后会自动创建一个locust_requests的 measurement，然后将每次请求的数据上报。
运行方法可以参考：【Python】万字长文，Locust 性能测试指北（上）
import time from datetime import datetime from influxdb import InfluxDBClient from locust import HttpUser, task, between, events client = InfluxDBClient(host='localhost', port=8086, database="mydb") def request(request_type, name, response_time, response_length, response, context, exception, url, start_time): _time = datetime.utcnow() was_successful = True if response: was_successful = 199 < response.status_code < 400 tags = { 'request_type': request_type, 'name': name, 'success': was_successful, 'exception': str(exception), } fields = { 'response_time': response_time, 'response_length': response_length, } data = {"measurement": 'locust_requests', "tags": tags, "time": _time, "fields": fields} client.write_points([data]) # 在每次请求的时候通过前面定义的request函数写数据到 DB events.request.add_listener(request) class QuickstartUser(HttpUser): wait_time = between(1, 2) @task def root(self): with self.client.get("/", json={"time": time.time()}, catch_response=True) as rsp: rsp_json = rsp.json() if rsp_json["id"] != 5: rsp.failure(f"{rsp_json}") 上报的数据 influxDB 中查询到：
优化升级
上面的这个上报很粗糙，每次请求会上报一次数据，会影响实际的压测，如果我们将要上报的数据放在一个数据结构中中，异步的上报这个数据将极大的提升性能
# 将 __flush_points 方法中的写入操作放到一个单独的线程中，避免阻塞主线程，提高性能。 self.write_thread = threading.Thread(target=self.__write_points_worker) # 批量写入 if len(self.write_batch) >= self.batch_size or time.time() - self.last_flush_time >= self.interval_ms / 1000: # 使用 gzip 压缩上报的数据 influxdb_writer = InfluxDBWriter('localhost', 8086, 'mydb', batch_size=1000, gzip_enabled=True) ... 配置Grafana
在测试数据被上报到InfluxDB之后，可以通过Grafana进行数据展示和分析。需要先在Grafana中配置InfluxDB数据源，然后创建相应的图表和仪表盘。
在创建图表和仪表盘时，可以选择InfluxDB作为数据源，并使用InfluxQL查询语言进行数据查询和过滤。可以根据需要选择不同的图表类型和显示方式，以展示测试结果数据的趋势和变化。
配置过程可以参考这篇博客【Docker】性能测试监控平台搭建：InfluxDB+Grafana+Jmeter+cAdvisor
总结
本文介绍了如何将Locust测试数据上报到InfluxDB，并通过Grafana进行展示和分析。通过将测试数据与监控工具相结合，可以更好地了解系统的性能和稳定性，及时发现问题并进行优化，也可以方便后续进行测试数据分析。希望本文能对大家有所帮助。
![洛谷 P11345 [KTSC 2023 R2] 基地简化 题解](http://www.itfaba.com/wp-content/themes/kemi/timthumb.php?src=http://www.itfaba.com/wp-content/themes/kemi/img/random/3.jpg&w=218&h=124&zc=1)
