Gatling是什么
Gatling是一个使用Scala编写的开源的负载测试框架，基于Akka和Netty，具有以下亮点:
- 高性能
- 友好的HTML报告
- 基于情境的记录器(recoder)，对开发友好的DSL
Gatling VS Jmeter
Jmeter是目前非常成熟的负载测试工具，支持相当多的协议，支持插件，可以轻松的扩展。
而Gatling性能上更有优势，并且使用Scala DSL代替xml做配置，相比jmeter要更灵活，而且更容易修改和维护。
关于Jmeter和Gatling的一个比较好的对比可以参见infoq的文章
同时，Gatling也对Maven和Gradle这样的构建工具比较友好，易于集成到Jenkins中，轻松加入到CI流程中。
TIPS: 在实际使用中建议版本化管理gatling的配置，使用maven插件或gradle插件形成对应的maven/gradle工程项目管理，更容易，而且容量更小，升级gatling也会更方便，减少了很多手工的操作。
Gatling的基本使用
从官方网站下载zip压缩包，解压就行了，需要预先安装有JDK，并设置好JAVA_HOME，熟悉JAVA的朋友应该都懂，就不细说了。
Gatling的目录结构看起来像这样:
│ LICENSE
│
├─bin
│ gatling.bat
│ gatling.sh
│ recorder.bat
│ recorder.sh
│
├─conf
│ gatling-akka.conf
│ gatling.conf
│ logback.xml
│ recorder.conf
│
├─lib
├─results
│ .keep
│
└─user-files
├─bodies
│ .keep
│
├─data
│ search.csv
│
└─simulations
└─computerdatabase
│ BasicSimulation.scala
│
└─advanced
AdvancedSimulationStep01.scala
AdvancedSimulationStep02.scala
AdvancedSimulationStep03.scala
AdvancedSimulationStep04.scala
AdvancedSimulationStep05.scala
bin/目录存放gatling的可执行文件，conf/存放配置，通常保持默认即可，lib/存放gatling本身的依赖，用户不用管，results/存放报告，user-files/是用户最主要使用的目录，用户定义的测试场景相关的代码均存放于此目录下。
zip包解压缩以后已经带有了一个官方的示例文件BasicSimulation.scala，想看看演示效果的直接使用bin/gatling.(bat|sh)启动就可以了。这个演示的场景描述见官方文档。那几个AdvancedSimulationStep其实效果上和BasicSimulation完全一致，只是官方提供了一些参考的DSL写法而已。
一些实战中的DSL参考范例
尽管gatling和jmeter一样，带有一个图形化的recorder，但是功能极其简陋，只能模拟一个用户，并且没有结构化代码架构。因此只能用来生成最基本的框架，绝大多数情况需要用户自己编写DSL，其实官方文档中几乎已经涵盖了大部分的用例，照着抄就可以了。这里提供几个参考的DSL
Random不起作用？
有时候我们需要在测试场景中引入随机数，从而更好的模拟大量用户请求的场景。很自然的想到几乎各个编程语言都带有Random函数库。而Scala自然也不例外，带有一个scala.util.Random类库。但是实际使用的时候可能会发现没用。比如下面这个例子:
forever(
exec(http("Random id browse")
.get("/articles/" + scala.util.Random.nextInt(100))
.check(status.is(200))
)
这个scala.util.Random.nextInt(100)会发现只有第一次会随机生成一个数字，后面都不变。按照gatling的官方文档的解释，由于DSL会预编译，在整个执行过程中是静态的。因此Random在运行过程中就已经静态化了，不会再执行。应改为Feeder实现。Feeder是gatling用于实现注入动态参数或变量的。改用Feeder实现:
val randomIdFeeder =
Iterator.continually(Map("id" ->
(scala.util.Random.nextInt(100))))
forever(
feed(randomIdFeeder)
.exec(http("Random id browse")
.get("/articles/${id}"))
.check(status.is(200))
)
feed()在每次执行时都会从Iterator[Map[String, T]]对象中取出一个值，这样才能实现这个需求。
使用import引入外部方法
例如专门写一个Feeders.scala文件，存储着各种需要用到的Feeder:
import scala.util.Random
object LinchangFeeders {
def randomGeoFeeder() : Iterator[Map[String, Number]] = {
val LNG_RANGE = List(108.75, 109.1)
val LAT_RANGE = List(34.0, 34.4)
return Iterator.continually(
Map(
"lng" -> (
Random.nextFloat() * (LNG_RANGE(1)
- LNG_RANGE(0)) + LNG_RANGE(0)
)
,"lat" -> (
Random.nextFloat() * (LAT_RANGE(1)
- LAT_RANGE(0)) + LAT_RANGE(0)
)
)
)
}
def randomOffsetFeeder() : Iterator[Map[String, Number]] = {
Iterator.continually(Map("offset" -> Random.nextInt(100)))
}
}
然后在MySimulation.scala就可以import，使用里面定义好的方法了:
import scala.concurrent.duration._
import scala.util.Random
import io.gatling.core.Predef._
import io.gatling.http.Predef._
import io.gatling.jdbc.Predef._
import Feeders._
class MySimulation extends Simulation {
val brownse = feed(randomOffsetFeeder)
.exec(
home
)
}
用户注入策略
- <= 10: 一把注入
- > 10: 每10秒注入10个用户
val injectStrategy =
if (USERS_COUNT > 10) {
splitUsers(USERS_COUNT) into(
rampUsers(10) over(5 seconds)
) separatedBy(10 seconds)
} else {
atOnceUsers(USERS_COUNT)
}
压测时间策略
- = 0: 所有模拟用户不循环，执行完测试场景即退出
- > 0: 所有模拟用户循环执行测试场景，直到达到指定时间
val scn = scenario("My test scenario")
.doIfOrElse(DURATION > 0) {
forever(
exec(steps)
)
} {
exec(steps)
}
val setup = setUp(
scn.inject(
injectStrategy
).protocols(httpProtocol)
)
if (DURATION > 0) {
setup.maxDuration(DURATION minutes)
}
错误处理
这个是gatling的一大亮点。在压力测试的过程中，无可避免会遇到各种花式错误。比如服务器超时无响应，服务端执行错误返回了非预期结果等等。这些错误如果不进行处理，将会影响后续测试。
比如后续所有链接请求都依赖于登录成功，一旦登录失败，后续请求将无任何意义，而且会影响到最终汇总的测试结果。
gatling可以通过check指令检测URL的返回结果是否符合预期(如返回的HTTP code，返回的内容是否包含预期的内容等等)。通过tryMax, doIf等指令进行失败重试以及处理链接之间的依赖问题。
更多关于失败处理可以参考: http://gatling.io/docs/2.2.3/advanced_tutorial.html#step-05-check-and-failure-management
比如一个简单的登录请求的DSL:
val login = tryMax(MAX_RETRY) {
pause(PAUSE_BEFORE_RETRY)
.exec(http("登录系统")
.post("/login")
.formParam("code", "${code}")
.headers(jwtRequestHeader)
.check(status.is(200),
jsonPath("$.token").find.saveAs("token")))
}
val brownse = doIf("${token.exists()}") {
exec(
// other steps
)
}
登录成功会返回一个JSON，包含有token属性，将token存储于session(这个session指gatling的session，作用是存储每个虚拟用户各自的属性，并不是服务器端的session)，用于以后的登录请求。通过check期望返回200 OK，并且期望返回一个token属性。
由于后续的请求都必须依赖于token属性存在，因此使用doIf来确保这个依赖关系成立，遇到登录失败时将不会继续向下请求。
