在Locust中，實現(xiàn)HTTP請求統(tǒng)計主要依賴于其內(nèi)置的統(tǒng)計和報告功能。Locust自動記錄所有通過self.client發(fā)出的HTTP請求的相關(guān)信息，如響應(yīng)時間、成功率等，并提供多種方式查看和分析這些統(tǒng)計數(shù)據(jù)。

1. 使用Locust的Web界面進行實時監(jiān)控

當(dāng)你啟動Locust時，默認會開啟一個Web界面（通常位于http://localhost:8089），你可以在這個界面上實時查看各種統(tǒng)計信息，包括：

• 每秒請求數(shù)（Requests Per Second, RPS）
• 平均響應(yīng)時間
• 失敗的請求數(shù)量
• 不同端點的性能指標(biāo)

要啟動Locust并訪問Web界面，請執(zhí)行以下命令：

locust -f your_locustfile.py

然后，在瀏覽器中打開http://localhost:8089，設(shè)置并發(fā)用戶數(shù)和加壓速率后點擊“Start swarming”開始測試。

2. 導(dǎo)出測試結(jié)果為CSV文件

除了實時監(jiān)控外，Locust還支持將測試結(jié)果導(dǎo)出為CSV文件，以便進一步分析。使用--csv選項可以指定輸出文件名前綴，并運行Locust以無頭模式生成報告：

locust -f your_locustfile.py --headless -u 100 -r 10 -t 1m --csv=results

上述命令將以100個用戶、每秒增加10個用戶的速率運行1分鐘的測試，并將結(jié)果保存到名為results_stats.csv和results_stats_history.csv的文件中。其中：

results_stats.csv：包含整個測試期間的匯總統(tǒng)計數(shù)據(jù)。

results_stats_history.csv：記錄了測試過程中每個時間點的詳細統(tǒng)計信息，如RPS、響應(yīng)時間等隨時間的變化情況。

3. 在腳本中自定義統(tǒng)計邏輯

如果你需要更詳細的統(tǒng)計信息或特定的統(tǒng)計需求，可以在Locust腳本中添加自定義的統(tǒng)計邏輯。例如，可以通過監(jiān)聽事件來記錄特定類型的請求或計算額外的性能指標(biāo)。

示例：記錄特定端點的成功與失敗次數(shù)

from locust import HttpUser, task, between, events
class WebsiteUser(HttpUser):
    wait_time = between(1, 5)
    @task
    def my_task(self):
        with self.client.get("/my_endpoint", catch_respnotallow=True) as response:
            if response.status_code != 200:
                response.failure("Got wrong response")
            else:
                response.success()
# 定義事件處理函數(shù)
@events.test_start.add_listener
def on_test_start(environment, **kwargs):
    print("Test Started")
@events.request_success.add_listener
def on_request_success(request_type, name, response_time, response_length, **kwargs):
    print(f"Request succeeded: {name}, Response time: {response_time}")
@events.request_failure.add_listener
def on_request_failure(request_type, name, response_time, exception, **kwargs):
    print(f"Request failed: {name}, Exception: {exception}")

在這個示例中，我們不僅發(fā)送請求，還根據(jù)響應(yīng)狀態(tài)碼決定是否標(biāo)記該請求為成功或失敗，并且注冊了幾個事件監(jiān)聽器來打印成功和失敗的請求詳情。

4. 分析導(dǎo)出的數(shù)據(jù)

導(dǎo)出的CSV文件可以使用Excel或其他數(shù)據(jù)分析工具進行深入分析。你可以創(chuàng)建圖表來展示RPS隨時間的變化趨勢、平均響應(yīng)時間的變化等，從而更好地理解系統(tǒng)的行為。

5. 使用第三方插件或服務(wù)增強分析能力

為了獲得更加豐富的分析結(jié)果，你還可以考慮使用一些第三方插件或服務(wù)，比如Grafana結(jié)合Prometheus來進行高級可視化分析，或者使用像New Relic、Datadog這樣的APM（應(yīng)用性能管理）工具，它們能提供更為細致的應(yīng)用層性能監(jiān)控。