压测利器 Apache Bench：快速上手，服务器性能一测就“露馅”！-开发者社区

理论上 QA 需要在测试用例中覆盖性能验证，露馅但现实情况往往是压测：一旦线上出问题，开发、利器测试、速上手服运维一个都跑不了。露馅

所以，压测作为开发同学，利器给自己的速上手服开发机装个压测工具并不多余。除了大家熟悉的露馅 JMeter，本篇要介绍一款小巧高效的压测命令行工具 —— Apache Bench（简称 ab）。它没有复杂的利器 GUI，却能精准揭示服务器在压力下的服务器租用速上手服表现，轻量、露馅直接、压测开箱即用，利器是开发者压测的“入门必修课” 。

Apache Bench 是什么

Apache Bench（ab）是 Apache HTTP Server 项目自带的一个压力测试工具，主要用于评估 Web 服务器在不同负载下的响应能力。它的优势在于：

命令行即开即用：一条命令就能让服务器“压力山大”。全方位指标输出：响应时间、源码下载吞吐量、失败请求数、分布统计等，一目了然。轻量便携：无需复杂配置，也不用安装额外依赖。

换句话说，运维要做容量规划，测试要找瓶颈，开发要验证优化效果，ab 都是随手能掏出来的“小钢炮” 。

安装方式

安装 ab 的方式因系统不同而异，常见操作系统的亿华云安装方式如下：

Linux (Debian/Ubuntu)sudo apt-get install apache2-utilsLinux (CentOS/RHEL)sudo yum install httpd-tools # 或者 dnfmacOS 一般系统自带，直接执行： ab -V

如果提示未找到，可以用 Homebrew：

brew install apache2-utils1. Windows 建议在 WSL 环境下运行，或者在 Apache HTTP Server 的 /bin 目录下找到 ab.exe。

安装完成后，在任何目录下执行 ab -V 能看到版本号，就说明准备就绪了。

入门示例：压测 GET 接口

假设我们在本地 Spring Boot 项目 /project/demo 下写了一个简单接口：

package com.icoderoad.demo.controller; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RestController; @RestController public class DemoController { @GetMapping("/demo") public String demo() { return "this is a demo"; } }

启动项目后，我们用 ab 执行压测：

复制ab-n1000-c100 http://localhost:8080/demo1. -n 1000：一共发起 1000 个请求。-c 100：模拟 100 个并发用户。http://localhost:8080/demo ：目标地址。

运行后，ab 会输出一份完整报告，包括请求成功数、失败数、建站模板QPS（每秒请求数）、响应耗时、分位数分布等。比如 Requests per second: 120.50 [#/sec] 就直观地告诉你：服务器每秒能处理多少请求 。

进阶用法：POST 与更多参数

仅靠 GET 请求显然不够，ab 同样支持 POST 压测。假设我们有一个接口：

复制@PostMapping("/sum") public Response<Integer> sum(@RequestBody List<Integer> list) { return new Response<>(list.stream().mapToInt(Integer::intValue).sum()); }

我们准备一个 req.json 文件：

执行命令：

ab -n 10 -c 2 -p req.json -T application/json http://localhost:8080/sum

常用参数说明：

-p file：指定 POST 请求体文件。-T ：设置 Content-Type，例如 application/json。-C：添加 Cookie 模拟用户登录。-H：自定义 Header，例如鉴权头。-k：启用 Keep-Alive ，减少连接开销，提高压测真实性。

通过灵活组合参数，模板下载ab 能满足大部分日常压测场景。

为什么要压测

压测的意义在于数据驱动，而不是“感觉”。

性能摸底：服务器能抗多少并发？单个请求平均响应时间是多少？发现瓶颈：是 CPU 顶不住，还是数据库拖后腿？验证优化：改完代码后，性能是真提升了，还是心理作用？资源规划 ：促销活动预计有多少用户涌入？需要扩多少台机器？

一句话：压测是发现性能问题的显微镜，源码库也是验证优化效果的试金石。

实战与注意事项

不要随便压生产：ab 发起的流量可能直接拖垮线上服务，务必在测试环境进行。循序渐进：从 -c 1 开始，逐步加压，不要一上来就是“百万并发” 。关注失败请求：Failed requests 一定要看清原因，是超时还是 5xx。多次对比 ：单次压测结果可能受网络波动影响，多次取平均更可靠。适用范围有限 ：ab 适合高频、简单请求，不适合复杂业务链路（如登录、跳转、多步骤交互），这时需要 JMeter 、Locust 或 k6。