新闻详情

新闻详情

首页 / 资讯中心 / 详情

在 GitHub Actions 中运行 Artillery 负载测试:完整 CI/CD 集成指南

发布时间:2026/11/19 1:32:58来源:尧图网络
在 GitHub Actions 中运行 Artillery 负载测试:完整 CI/CD 集成指南
性能测试接口测试CLI【免费下载链接】artilleryThe complete load testing platform. Everything you need for production-grade load tests. Serverless distributed. Load test with Playwright. Load test HTTP APIs, GraphQL, WebSocket, and more. Use any Node.js module.项目地址https://gitcode.com/gh_mirrors/ar/artillery点击查看免费下载导读本文基于 Artillery 仓库中的 examples/cicd/github-actions 示例讲解如何将 Artillery 负载测试接入 GitHub Actions包括测试脚本Socket.IO 场景的编写、workflow 的触发方式push 与定时调度、在容器化环境中执行测试、生成 HTML 报告并归档为 Actions artifact。读完本文后你将能够在自己的仓库中搭建一套代码推送即触发、每日定时回归、报告可追溯的负载测试流水线并理解每个配置项背后的实现原理。示例概览目录结构与职责划分该示例的目录结构非常精简体现了测试脚本与 CI 编排分离的实践tests/performance/socket-io.ymlArtillery 负载测试脚本定义了压测目标、负载阶段与场景流程.github/workflows/load-test.ymlGitHub Actions workflow负责在 CI 环境中执行上述脚本并产出报告。整个仓库的 CI/CD 示例不止 GitHub Actions 一种examples/cicd/README.md 中还收录了 Azure DevOps、CircleCI、GitLab CI/CD、Jenkins 与 AWS CodeBuild 的对应版本可以作为横向参考——各平台在测试脚本 平台编排这一结构上是一致的。Artillery 测试脚本一个可运行的 Socket.IO 压测场景脚本全文与逐段解读示例脚本 tests/performance/socket-io.yml 完整内容如下config: target: http://lab.artillery.io # As an example, well only run a single virtual user in this # test script. For real-world load testing, youll want to # adjust your load phases according to your needs. phases: - duration: 1 arrivalRate: 1 ensure: maxErrorRate: 1 max: 500 scenarios: - name: emit_an_event engine: socketio flow: - emit: channel: echo data: Hello from Artillery response: channel: echoResponse data: Hello from Artillery逐段说明config.target被测服务的地址这里指向 Artillery 官方提供的演示 Socket.IO 服务http://lab.artillery.ioconfig.phases负载阶段定义。这里只设置了一个持续 1 秒、每秒到达 1 个虚拟用户arrivalRate: 1的轻量阶段用于演示流程可跑通。真实负载测试中应根据业务目标调整duration与arrivalRate如需模拟峰值可配置rampTo、多个 phase 组合等config.ensure测试后置断言由 artillery-plugin-ensure 提供。maxErrorRate: 1表示错误率上限为 1%max: 500表示单次请求最大耗时不得超过 500 ms任一条件不满足即判定测试失败scenarios[0].engine: socketio声明使用 Socket.IO 引擎而不是默认的 HTTP 引擎scenarios[0].flow虚拟用户的行为流程。先向echo频道发送消息Hello from Artillery再期望在echoResponse频道收到内容完全一致的回显以此验证发送-回显闭环成功。源码视角Socket.IO 引擎如何验证响应从源码结构看Socket.IO 引擎实现在 packages/artillery/lib/core/engine_socketio.ts其中processResponse与isValid见 engine_socketio.ts负责校验response中的数据是否与服务端回传一致若response.data为字符串采用部分匹配actualResponse.includes(expectedResponse)即服务端回显只需包含期望内容即可若为对象或数组则进行深度相等比较deepEqual校验失败时会触发ee.emit(error, err)进而被ensure的maxErrorRate统计为错误请求。也就是说示例脚本中data: Hello from Artillery与response.data的配对正是依赖这套校验逻辑来判断测试通过与否的。GitHub Actions workflow触发、执行与报告归档workflow 完整内容.github/workflows/load-test.yml 的完整内容如下name: Artillery Socket.IO Load Test on: push: branches: - main schedule: - cron: 0 0 * * * jobs: artillery: runs-on: ubuntu-latest container: artilleryio/artillery:latest steps: - name: Checkout repository uses: actions/checkoutv2 - name: Make reports directory run: mkdir reports - name: Execute load tests run: /home/node/artillery/bin/run run --output reports/report.json tests/performance/socket-io.yml - name: Generate HTML report run: /home/node/artillery/bin/run report --output reports/report.html reports/report.json - name: Archive test report uses: actions/upload-artifactv2 with: name: artillery-test-report path: reports/*触发方式代码推送 定时调度workflow 配置了两种触发器对应 README 中任何代码推送到 main 分支后触发并在每天 00:00 UTC 定时运行的描述push任意提交推送到main分支时自动触发负载测试实现每次合入都回归schedule使用 cron 表达式0 0 * * *在每天 00:00UTC定时执行实现周期性的基线回归便于长期观察性能趋势。执行环境复用官方 Docker 镜像runs-on: ubuntu-latest配合container: artilleryio/artillery:latest让整个 job 直接在 Artillery 官方 Docker 镜像中运行无需额外安装 Node.js 或npm install也避免了依赖版本漂移带来的不确定性。关键命令测试执行与报告生成执行测试/home/node/artillery/bin/run run --output reports/report.json tests/performance/socket-io.yml其中run是 Artillery 的 CLI 命令--output或-o指定 JSON 报告输出路径参数为测试脚本路径。这一步会完成负载注入并产生原始 JSON 日志。生成 HTML 报告/home/node/artillery/bin/run report --output reports/report.html reports/report.jsonreport命令用于把run产出的 JSON 日志转换为可读的 HTML 报告。从源码 packages/artillery/lib/cmds/report.ts 可以看到--output/-o标志即用于将 HTML 报告写入指定位置见 report.ts。需要特别说明的是当前仓库中该report命令已被标记为deprecated——执行时会打印弃用提示建议改用 Artillery Cloud 来可视化、定制与分享测试结果见 report.ts。因此在沿用本示例时可以接受控制台中的弃用提示或考虑将报告环节迁移到 Artillery Cloud 工作流。归档产物actions/upload-artifactv2将reports/*含report.json与report.html打包为名为artillery-test-report的 artifact供后续在 Actions 页面下载、或供后续 job 拉取使用。执行流程小结整个 job 的执行链路为检出代码 → 创建reports目录 → 运行负载测试并输出 JSON → 将 JSON 转成 HTML 报告 → 归档产物。这一链路可以直接复制到自己的仓库中只需替换测试脚本路径与可选调整ensure阈值。本地验证与调试建议在推送到 GitHub 触发 workflow 之前建议先在本地验证测试脚本安装 Artillerynpm install -g artillery或直接复用官方 Docker 镜像artilleryio/artillery:latest在 examples/cicd/github-actions 目录下执行artillery run tests/performance/socket-io.yml即可观察虚拟用户连接、echo/echoResponse收发与ensure断言的执行情况确认本地通过后再提交触发 CI可显著减少流水线调试成本。扩展方向将示例中的轻量阶段1 秒、1 个 VU替换为真实负载曲线多 phase、rampTo、arrivalCount等并让ensure阈值匹配业务 SLA把 HTTP、GraphQL、WebSocket 等场景与 Socket.IO 场景拆分到不同脚本按 job 并行执行配合actions/checkoutv4与actions/upload-artifactv4等新版本 action或改用 Artillery Cloud 完成报告可视化与历史对比参考 examples/cicd 下的其他平台示例Azure DevOps、CircleCI、GitLab CI/CD、Jenkins、AWS CodeBuild在同一套测试脚本基础上平移到不同 CI 系统。赞分享性能测试接口测试CLI【免费下载链接】artilleryThe complete load testing platform. Everything you need for production-grade load tests. Serverless distributed. Load test with Playwright. Load test HTTP APIs, GraphQL, WebSocket, and more. Use any Node.js module.项目地址https://gitcode.com/gh_mirrors/ar/artillery点击查看免费下载相关推荐在 GitHub Actions 中运行 RedwoodJS 测试CI/CD 与 Postgres 测试数据库完整指南在 GitHub Actions 中运行 RedwoodJS 测试CI/CD 与 Postgres 测试数据库完整指南 RedwoodJS 提供了一套开箱即用后端前端Web框架开发工具在 GitHub Actions 中运行 Redwood 测试从 CI 到数据库 CD 的完整实战指南在 GitHub Actions 中运行 Redwood 测试从 CI 到数据库 CD 的完整实战指南 良好的测试策略是任何项目的基石。Redwood 提供了后端前端Web框架开发工具在 GitHub Actions 中运行 Redwood 测试从 CI 到数据库 CD 的完整实践指南在 GitHub Actions 中运行 Redwood 测试从 CI 到数据库 CD 的完整实践指南 对于任何项目来说良好的测试策略都至关重要。Redwo后端前端Web框架开发工具上一篇Vue3仿抖音3个手势与路由细节让竖滑体验接近原生下一篇CodiumAI PR-Agent自定义提示终极指南完全掌控AI代码分析行为创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/18 21:21:17

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/18 14:20:46

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/18 20:01:42

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/18 11:04:06

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/18 15:55:22

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/18 21:21:16

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉