Rust 在 Ubuntu 上如何进行性能测试 - 问答

Rust 在 Ubuntu 上的性能测试实践

一测试类型与工具选型

微基准测试：使用 Criterion.rs 对函数/算法进行统计化对比，生成图表报告，适合评估小粒度改动（如不同实现、不同参数）的性能差异。
HTTP 负载与压力测试：使用 wrk/wrk2（轻量、命令行、高并发）或 k6（脚本化、场景化、阈值与指标丰富），验证 API 的吞吐量、延迟与稳定性。
运行时与系统层分析：使用 perf、valgrind、cargo flamegraph 定位 CPU 热点、内存与调用栈瓶颈；配合 tracing 与日志增强可观测性。

二微基准测试 Criterion.rs

安装依赖（Ubuntu）：

安装绘图工具：sudo apt-get install gnuplot

项目依赖（Cargo.toml）：

[dev-dependencies]
criterion = { version = "0.5", features = ["html_reports"] }

[[bench]]
name = "my_benchmarks"
harness = false

示例基准（benches/my_benchmarks.rs）：

use criterion::{criterion_group, criterion_main, Criterion, BenchmarkId, black_box};

fn fib_rec(n: u64) -> u64 {
    match n { 0 | 1 => 1, n => fib_rec(n - 1) + fib_rec(n - 2) }
}
fn fib_iter(n: u64) -> u64 {
    let (mut a, mut b) = (0, 1);
    for _ in 0..n { let c = a + b; a = b; b = c; }
    b
}

fn bench_fib(c: &mut Criterion) {
    let mut g = c.benchmark_group("Fibonacci");
    for n in [10, 20, 30].iter() {
        g.bench_with_input(BenchmarkId::new("Recursive", n), n, |b, &i| {
            b.iter(|| fib_rec(black_box(i)))
        });
        g.bench_with_input(BenchmarkId::new("Iterative", n), n, |b, &i| {
            b.iter(|| fib_iter(black_box(i)))
        });
    }
    g.finish();
}

criterion_group!(benches, bench_fib);
criterion_main!(benches);

运行与分析：
- 执行：cargo bench
- 查看：控制台统计与 target/criterion/ 下的 HTML 报告（含分位数、回归检测）。

三 HTTP 负载与压力测试

被测服务示例（actix-web，端口 8080）：

use actix_web::{get, App, HttpResponse, HttpServer, Responder};
#[get("/api/hello")]
async fn hello() -> impl Responder {
    HttpResponse::Ok().body("Hello, World!")
}
#[actix_web::main]
async fn main() -> std::io::Result<()> {
    HttpServer::new(|| App::new().service(hello))
        .bind("127.0.0.1:8080")?
        .run()
        .await
}

使用 wrk 进行基线压测（Ubuntu 安装：sudo apt-get install wrk）：
- 命令：wrk -t12 -c400 -d30s http://localhost:8080/api/hello
- 常用参数：-t 线程数、-c 并发连接数、-d 持续时间

使用 k6 进行场景化压测（Ubuntu 安装：sudo apt-get install k6）：

脚本 test.js：

import http from 'k6/http';
import { check, sleep } from 'k6';
export let options = {
  stages: [
    { duration: '30s', target: 100 },
    { duration: '1m',  target: 100 },
    { duration: '30s', target: 0 },
  ],
};
export default function () {
  let res = http.get('http://localhost:8080/api/hello');
  check(res, { 'status is 200': r => r.status === 200 });
  sleep(1);
}

运行：k6 run test.js

关注指标：吞吐量（Requests/sec）、平均/P95/P99 延迟、错误率；必要时配合 Prometheus + Grafana 与 tracing 日志做全链路观测。

四运行时与系统层分析

CPU 热点与火焰图：
- 采样：sudo perf record -g ./target/release/your_app
- 报告：sudo perf report
- 火焰图：cargo install flamegraph && cargo flamegraph（生成 flamegraph.svg 直观查看热点）
内存与调用分析：
- valgrind --tool=callgrind 进行调用图与缓存命中分析
资源监控：
- top/htop、glances 观察 CPU、内存、I/O 使用
- 作为服务运行时，使用 journalctl -u your_app 查看日志；在代码中使用 log/env_logger 或 tracing 输出关键路径耗时。

五实践建议与常见瓶颈

构建与运行：性能测试务必使用 –release 发布构建，避免调试开销影响结果。
稳定复现：在 隔离环境 执行（避免其他负载干扰），预热后再采集数据，多次运行取稳定区间。
指标口径：统一记录 吞吐量、P50/P95/P99、错误率，并在报告中标注 并发数、压测时长、实例规格。
常见瓶颈与对策：
- 数据库连接池过小 导致排队（如默认仅 5 个连接），可适当增大并合理设置生命周期；
- N+1 查询 引发大量往返，改为 JOIN 并补充索引；
- CPU 密集型任务（如 Argon2 哈希） 在异步路径中应使用 spawn_blocking 避免阻塞运行时线程；
- 会话/缓存读写频繁 时评估序列化与网络延迟，必要时引入本地缓存或批量写入。

0 赞

0 踩