qa-perf-locust — Locust 压测脚本生成

把 qa-perf-design 的场景 JSON 渲染成可直接运行的 Locust 脚本： 自动生成 User / TaskSet、@task、权重、思考时间、爬坡参数， 并把每个接口的请求方法、路径、断言写进任务。

选型说明：性能压测用 Locust 而非 JMeter —— 纯 Python、可版本化、易与 CI 集成， 适合测试工程师写代码而非拖拽组件。复杂分布式再上分布式 master/worker。

何时使用

• 已有 qa-perf-design 方案（场景 JSON）。
• 用户说「生成压测脚本」「Locust 脚本」「性能脚本」。
• 需要在 CI / 容器里跑压测。

操作流程

步骤 1 — 准备接口清单

在场景 JSON 里给每个 scenario 挂 endpoints（也可以全局共享）：

{
  "base_url": "https://api.example.com",
  "endpoints": {
    "create_order": {"method": "POST", "path": "/order", "weight": 5,
                     "json": {"sku": "A1", "qty": 1}},
    "query_order": {"method": "GET", "path": "/order/{id}", "weight": 3}
  },
  "scenarios": [
    {"name": "load_peak", "type": "load", "users": 500, "spawn_rate": 50,
     "duration": 600, "think_time": 1.0, "endpoints": ["create_order", "query_order"]}
  ]
}

步骤 2 — 生成脚本

python scripts/gen_locust.py --scenarios scenarios.json --out locustfile.py

生成的 locustfile.py 包含：

• 全局 BASE_URL / 默认请求头。
• 每个 scenario 一个 User 类（类名 LoadPeakUser 等），@task 按 weight 分布。
• 思考时间用 between(think_time*0.5, think_time*1.5)。
• 每个请求带 name= 便于统计，catch 异常并 self.environment.runner 上报。

步骤 3 — 运行

# 命令行（无 UI）
locust -f locustfile.py --headless -u 500 -r 50 -t 600s \
    --csv=results --html=report.html

# 或带 Web UI
locust -f locustfile.py

进阶

• 关联参数（如登录 token）：在 on_start 里拿 token 存 self.token。
• 数据驱动：把 json/params 换成从 csv 循环读取（references/locust-guide.md）。
• 断言：用 response.status_code + response.elapsed 自行记录失败。

与上下游衔接

• 输入：qa-perf-design 的场景 JSON。
• 输出：运行产物 results_stats.csv / results_history.csv 交给 qa-perf-analysis。