簡介

當大家學習演算法時，應該都接觸過時間複雜度的概念（例如 O(n)）。當 n 很小時，開發者使用哪種演算法其實差別不大。然而，隨著 n 的增長，效率較差的演算法會導致計算時間顯著增加，進而嚴重影響系統性能。此時，開發者就需要謹慎選擇合適的演算法來解決性能問題。

同樣的情況也可能發生在開發者所維護的 Web Application 中。當使用人數較少時，無論系統設計如何，應用程式通常都能應付現有的負載。然而，隨著使用者數量的逐步增加，系統的瓶頸會逐漸浮現，最終導致使用者發現系統反應速度變慢，甚至可能發生崩潰。

為了避免性能瓶頸影響用戶體驗，開發者需要進行壓力測試，模擬大量同時發出的用戶請求，以便發現並解決性能問題。這與前幾篇文章中進行的測試有所不同。此前的測試主要是為了驗證系統的功能性，確保程式的輸入與輸出符合預期，因此模擬的重點在於創建假資料（Arrange）。

由於壓力測試的重點是模擬大量同時發出的用戶請求，這一過程手動操作幾乎是不可能實現的。即使手動操作，也僅能觸發幾百次請求，遠遠無法達到高負載的需求。因此，我們需要借助壓力測試工具來生成大量模擬用戶並同時發出請求。本次介紹的壓力測試工具 Locust，通過 Python 來編寫壓力測試腳本，對於已經熟悉 Python 的讀者來說，上手會非常容易。接下來，我將通過範例進行具體介紹。

範例

本次範例使用的是 Locust 2.31.8 版本

poetry add locust==2.31.8

Product Code

首先，使用 poetry new demo_locust 建立專案目錄，然後進入 demo_locust/demo_locust 目錄下，並建立 app.py。這個 Product Code 是一個簡單的 Flask Web Application，包含一個 HTTP GET 端點，使用者可以通過該端點發送請求來獲取所有商品資訊。最後，執行 poetry run flask run 來啟動這個 Product Code。

from flask import Flask

app = Flask(__name__)


@app.route("/products")
def get_products():
    return [
        {"name": "Apple", "price": 30},
        {"name": "Orange", "price": 25},
        {"name": "Phone", "price": 30000},
        {"name": "TV", "price": 48888},
        {"name": "Toilet Paper", "price": 299},
        {"name": "Earphone", "price": 6000},
    ]


if __name__ == "__main__":
    app.run(debug=True)

Test Code

我們需要建立壓力測試的測試代碼。首先，前往 demo_locust/tests 目錄，然後建立 locustfile.py。在這個檔案中，我們需要繼承 HttpUser 類別並自定義壓力測試的邏輯。該類別主要有兩個區塊，首先介紹下方的 get_products 函式。唯有加上 @task Decorator 的函式會被視為壓力測試的執行任務，這個任務將模擬發出請求以獲取商品資訊。

此外，上方的 wait_time = between(1, 5) 代表任務執行的間隔時間，通常會設置為數秒，以模擬正常使用者的使用情境。最後，執行 poetry run locust 即可開始運行測試代碼。

from locust import HttpUser, between, task


class GetProductsUser(HttpUser):
    wait_time = between(1, 5)

    @task
    def get_products(self):
        self.client.get("/products")

Stress Testing Configuration

首先，在瀏覽器中輸入 localhost:8089，即可看到如下畫面。在這個畫面中，有三個參數需要填寫

1. Number of users
   這個參數代表壓力測試總共使用者的總數，也就是峰值，本次範例會設為 10000。

2. Ramp up
   此參數表示每秒增加的使用者數量。在現實的系統使用場景中，流量通常不會瞬間達到峰值，而是逐步增長。通過 ramp up，可以使測試更接近實際情況。例如，在本範例中設置為 100，意味著每秒將增加 100 位使用者，直到達到峰值 10,000 位使用者，之後將一直維持在這一數量。

3. Host
   此參數指定要測試的網站主機。由於本範例的 Product Code 運行在本地端，因此該參數填寫 http://localhost:5000 即可。

Result

我們可以從 STATISTICS 分頁看到詳細的統計結果，也可以從 CHARTS 分頁看到系統回應時間的增長趨勢。

Note

為了方便大家能夠跟著範例進行操作，本次網頁應用程式和壓力測試工具都在同一台機器上運行。然而，由於兩者會競爭相同的系統資源，因此測試結果可能不準確。在此不針對數據結果進行分析討論。未來如果大家要進行壓力測試，請務必將應用程式和測試工具分別運行在不同的機器上。