Налаштування навантажувального тестування інфраструктури через Locust

---
version: "3.8"
services:
  master:
    image: locustio/locust:2.24.0
    ports:
      - "8089:8089"
    volumes:
      - ./:/mnt/locust
    command: -f /mnt/locust/locustfile.py --master
  worker:
    image: locustio/locust:2.24.0
    volumes:
      - ./:/mnt/locust
    command: -f /mnt/locust/locustfile.py --worker --master-host master
    deploy:
      replicas: 4
    depends_on:
      - master

deploy.replicas: 4 — чотири воркери, кожен на окремому CPU-ядрі. Кількість воркерів можна збільшити до 50 і більше.

Як інтегрувати Locust в CI та аналізувати метрики?

Headless-режим з assertions через --exit-code-on-error та парсинг CSV:

---
- name: Run Locust
  run: |
    locust -f locustfile.py --headless \
      -u 500 -r 50 --run-time 5m \
      --csv=results --html=report.html \
      --exit-code-on-error 1
- name: Check p95 latency
  run: |
    p95=$(awk -F',' 'NR>1 && $1=="Aggregated" {print $14}' results_stats.csv)
    if (( $(echo "$p95 > 500" | bc -l) )); then
      echo "p95 latency ${p95}ms exceeds 500ms threshold"
      exit 1
    fi

Locust експортує results_stats.csv з полями: request_count, failure_count, median_response_time, average_response_time, p50, p95, p99 та іншими перцентилями. Середній час відповіді 250ms при 2000 запитів на секунду — типовий результат для добре налаштованого API.

Типові проблеми при налаштуванні

• GIL та CPU-обмеження. Locust використовує gevent для корутин — це обходить GIL для I/O, але CPU-bound операції (важка обробка відповідей) блокують. Якщо в тесті багато json.loads() на великих payload'ах (наприклад, 500КБ), це з'їдає capacity. Рішення: виносити обробку в окремі потоки або профілювати.
• Реалістичний час очікування. between(0, 0.1) — не реалістично, це DDoS. between(1, 5) з wait_time — ближче до реального користувача.
• Управління даними. Для унікальних користувачів використовуйте LoadTestShape або CSV-фідер через itertools.cycle. Повторний логін під одним акаунтом з тисячі воркерів ламає сесії та дає хибні результати.

Що входить у налаштування навантажувального тестування під ключ

• Аналіз тестованих сценаріїв та інфраструктури
• Написання Python-сценаріїв з урахуванням бізнес-логіки
• Налаштування розподіленого запуску (Docker Compose, Kubernetes)
• Інтеграція з CI/CD (GitHub Actions, GitLab CI)
• Збір та візуалізація метрик (Grafana + InfluxDB за бажанням)
• Документація щодо відтворення тестів та розбору результатів
• Навчання команди роботі з Locust

Наші компетенції в навантажувальному тестуванні

Ми займаємося навантажувальним тестуванням більше 5 років, реалізували 30+ проєктів для e-commerce, fintech та SaaS. Наші інженери сертифіковані за AWS та Kubernetes, що гарантує коректну роботу інфраструктури навіть під високим навантаженням. Економія часу на налагодженні сценаріїв — до 50% порівняно з самостійним налаштуванням. Клієнти відзначають зниження вартості тестової інфраструктури на 30% після впровадження розподіленого Locust.

Отримайте консультацію з налаштування Locust під ваш проєкт — оцінимо інфраструктуру та запропонуємо оптимальне рішення. Замовте аудит поточних сценаріїв навантажувального тестування, щоб переконатися, що ваші тести дають релевантні результати.