使用 Swagger 在 Linux 上进行 API 性能测试
总体思路
- 用 Swagger/OpenAPI 规范作为“单一事实源”，在 Linux 上导出或托管 API 定义（JSON/YAML）。
- 基于该定义自动生成或手工编写性能测试脚本，使用 JMeter/Gatling/Locust 等在测试环境发起负载。
- 结合 Prometheus + Grafana 或系统工具进行观测，关注 响应时间、吞吐量、错误率 等关键指标并据此优化。
准备与导出 Swagger 文档
- 若后端已集成 Swagger/OpenAPI，可直接导出 openapi.json/openapi.yaml（如 Spring Boot 项目使用 springdoc/swagger 或 springfox 自动生成）。
- 在 Linux 上快速托管文档以便确认与共享：
- 使用 Docker 运行 Swagger Editor 与 Swagger UI，导入你的规范文件进行校验与浏览：
- docker pull swaggerapi/swagger-editor:v4.6.0
- docker run -d -p 38080:8080 swaggerapi/swagger-editor:v4.6.0
- docker pull swaggerapi/swagger-ui:v4.15.5
- docker run -d -p 38081:8080 swaggerapi/swagger-ui:v4.15.5
- 浏览器访问 http://localhost:38080（Editor）与 http://localhost:38081（UI），导入并检查接口路径、参数、响应模型是否正确。
基于 Swagger 文档生成或编写性能测试
- 推荐路径：用工具解析 Swagger/OpenAPI 自动生成性能测试脚本，减少手工维护成本。
- JMeter：安装后通过插件（如 Swagger Request Sampler）导入 openapi.json/openapi.yaml，自动生成请求模板；配置线程组（并发用户数、Ramp-Up、循环次数）、定时器、断言与监听器，再执行测试并产出报告。
- Gatling：借助 swagger-http 等库解析规范生成 Scala 脚本，定义 http.baseUrl 与场景（scenario），设置并发注入与协议，运行后生成 HTML 报告。
- Locust：用 Python 编写压测脚本，基于规范构造请求参数与校验，启动分布式 worker 进行高并发压测。
- 备选路径：不依赖自动生成时，可基于 Swagger 文档手工编写脚本（如 JMeter HTTP Request、Gatling DSL、Locust tasks），确保请求路径、方法、Header、Body 与规范一致。
执行测试与观测分析
- 运行测试（示例）
- JMeter 非 GUI：jmeter -n -t test_plan.jmx -l result.jtl（在无界面模式下执行并写入结果文件，便于在 CI/CD 中使用）。
- Gatling：./gatling.sh -s SwaggerPerformanceTest（执行指定 Simulation 并生成 HTML 报告）。
- 观测与指标
- 应用与接口观测：接入 Prometheus + Grafana，监控 响应时间、吞吐量、错误率 等；必要时结合日志（如 journalctl 或 ELK）定位异常。
- 系统资源：使用 top/htop/vmstat 观察 CPU、内存、磁盘 I/O 在压测期间的变化，判断是否受限于资源。
- 判定与优化
- 关注 平均响应时间、P90/P99、QPS、错误率 是否达到目标；若未达标，优先排查慢查询、缓存命中率、外部依赖与并发瓶颈，再考虑水平扩容与参数调优。
注意事项
- 始终在隔离的测试环境执行压测，避免影响生产；必要时对目标主机与数据库进行限流与备份。
- 规范使用与安全：遵循接口规范，避免在 GET 请求中使用 Body 传参；对敏感接口与数据进行脱敏与鉴权处理。