服务端的性能测试是测试领域的主要需求，国外公司出品的测试工具，例如Jmeter和Loadrunner等，依靠出色的产品设计和实现方案，现在依然是众多公司做性能测试的主要方案。
近年，随着技术发展，一些替代方案出现了。其中以python和go的增长速度尤为突出，python得益于其快速简单的开发周期，go得益于其高性能和并发编程的简易性。
- Jmeter https://github.com/apache/jmeter
- LoadRunner http://www8.hp.com/us/en/software-solutions/loadrunner-load-testing/
- Locust（python2.7） https://github.com/locustio/locust
- asyncio （python3.5）https://github.com/python/asyncio
- go https://github.com/golang/go
Jmeter不做过多介绍
LoadRunner由于是收费版本，没有列为对比内容之一
Locust是近年出现的基于python2.7 greenlet gevent协程库开发的单线程多协程的压力测试框架
asyncio是python3.5语言内置的协程库，相对2.7进行了优化，并且提供了相关的http请求的库 https://github.com/KeepSafe/aiohttp
go语言内置对并发编程提供了强大的支持，依靠其类C的性能，成为服务端开发高性能组件的主要语言。http请求也开源了一个新的库https://github.com/valyala/fasthttp
从性能测试工程师的角度出发，我们期望用更少的硬件资源实现更大的并发压力。期望通过对比，选取其中最优的方案（资源消耗低，压力大），作为性能测试的实现方案。
- 服务端 centos 4核16G
- 服务端软件 openrestry 2 worker （类似nginx）
- 客户端 ubuntu 2核2G
- GET请求静态页面
对比并发用户数是10,50,100,500,1000时，客户端CPU、内存消耗，服务端被测软件cpu负载，以及关键数据TPS。
HTTP GET请求nginx静态页面，磁盘的IO负载较低，本次不作为对比项。
测试脚本请参考工程下对应目录，脚本的依赖或者工具的使用，请大家参考相应的官方文档，本文不做详细介绍。
Locust需要使用分布式方式运行，利用客户端服务器的两个CPU。
go和asyncio的脚本运行后，会间隔3秒钟打印总的事务数量，可以自己换算成TPS。
###Locust
| Concurrency | CPU | Memory | Nginx | TPS |
|---|---|---|---|---|
| 10 | 197 | 2.8 | 11 | 770 |
| 50 | 199 | 3.0 | 11 | 760 |
| 100 | 199 | 3.5 | 11 | 730 |
| 500 | 200 | 5.6 | 9 | 680 |
| 1000 | 200 | 8.1 | 9 | 680 |
###asyncio
| Concurrency | CPU | Memory | Nginx | TPS |
|---|---|---|---|---|
| 10 | 199 | 2.2 | 16 | 1300 |
| 50 | 199 | 2.2 | 18 | 1300 |
| 100 | 199 | 2.4 | 17 | 1400 |
| 500 | 200 | 3.0 | 15 | 1500 |
| 1000 | 200 | 3.8 | 15 | 1200 |
###Jmeter
| Concurrency | CPU | Memory | Nginx | TPS |
|---|---|---|---|---|
| 10 | 189 | 13.5 | 60 | 8700 |
| 50 | 196 | 14.4 | 60 | 8200 |
| 100 | 196 | 19.0 | 60 | 7750 |
| 500 | 200 | 32.0 | 60 | 7100 |
| 1000 | 200 | 32.0 | 60 | 6700 |
###GO
| Concurrency | CPU | Memory | Nginx | TPS |
|---|---|---|---|---|
| 10 | 129 | 0.5 | 70 | 11000 |
| 50 | 193 | 0.6 | 125 | 19000 |
| 100 | 194 | 0.6 | 120 | 18000 |
| 500 | 195 | 1.0 | 120 | 16000 |
| 1000 | 196 | 1.3 | 120 | 16000 |
- python3.5的协程实现相对2.7，在高并发1000个用户，每个用户一个协程，提升了100%，可以基于aiohttp的库开发性能测试框架。
- Jmeter的java线程实现优于python，解释型与编译型语言还存在着一定差距。但是在扩展性上，python的框架由于是自主开发，对于多种协议的支持门槛很低。Jmeter的最新版本还不支持websocket协议。
- Jmeter在高并发下，TPS下降较明显，可能与多线程的实现方式有关。go在高并发下，相对Jmeter下降不明显。
- Jmeter的多线程方式比较占用内存，跟协程方式相比差距明显，go最为出色。
- TPS方面，go的结果最为优秀，是Jmeter的两倍以上，尤其是在高并发场景中，效果明显。
基于go的性能测试平台正在开发中，敬请期待。