不用 JMeter 也能压测：requests + ThreadPoolExecutor 跑出真实报告

很多人一提性能测试就想到 JMeter、LoadRunner，部署一套环境半天。其实对大多数后端接口，用 Python 标准库加两个常用库就能压出一份能看的报告：吞吐 RPS、以及 p50/p90/p95/p99 这些分位延迟。

这篇不依赖任何重型工具，所有数字都在这台机器上真实压出来。

压测要有真实 CPU 开销。空接口压出来的 RPS 虚高，对容量评估没有参考价值。我们在接口里放了一段纯 CPU 求和循环，这才是压测真正要打的"重活"。

被测对象是个 Flask 小服务，核心接口 /api/compute 里故意放了纯 CPU 的求和循环 burn_cpu：

为什么不用 locust？它在 Python 3.13 上有个 ssl 猴补丁递归 bug。标准库 concurrent.futures.ThreadPoolExecutor 反而更稳。

压测脚本的思路就三层：开 N 个并发线程，每个线程在固定时长内不停发请求并记录耗时；最后排序算分位值：

在本机对 /api/compute 压 20 并发、5 秒，真实输出如下：

最该盯的三个数：RPS≈145（实际上限）、p95≈182ms（95% 用户感知）、失败率 0%。注意 p95 和平均 135ms 拉开了距离——说明有长尾请求，光看平均值会误判体验。

真实压测数据的延迟百分位分布

1）永远看分位，不只看平均。 平均值会被少数极快/极慢请求拉平，p95/p99 才贴近"大多数用户"和"最差情况"。

2）固定并发、固定时长做基线。 每次都用同一组参数，报告才可比；参数一变，数字就不可比了。

3）别只看吞吐。 RPS 很高但失败率飙升，那是过载而不是性能好；吞吐和失败率要一起看。

写在最后

不需要 JMeter，不需要 LoadRunner。Python 标准库 + requests 就能跑出有参考价值的性能数据。关键是：被测接口要有真实开销，报告要看分位数。

如果这篇对你有启发，欢迎点个「在看」或收藏。性能测试踩过的更多坑，我会继续在这里写。

关注本公众号「铭然实验室」，继续聊研发那些真问题。