Rust 在 Ubuntu 上如何进行性能测试

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。

声明：本文内容由网友自发贡献，本站不承担相应法律责任。对本内容有异议或投诉，请联系2913721942#qq.com核实处理，我们将尽快回复您，谢谢合作！