Locust 2.4.3分布式压测master CPU占满100%停止生成用户问题问询

1 定位CPU占用具体根源 #

首先用py-spy对运行中的Locust master进程做性能采样，确认CPU消耗的具体位置：

• 安装py-spy：pip install py-spy
• 执行采样：py-spy record -o locust-master-profile.svg --pid <master进程ID>
  重点排查两类逻辑：
• 是否有仅worker需要执行的初始化代码（比如grpc gevent初始化、大文件加载、SDK初始化）被master节点加载时同步执行
• 是否卡在指标聚合、worker通信、日志输出等内置逻辑

2 修复现有配置错误 #

2.1 禁用压测过程中的worker动态扩缩容 #

你当前配置的worker HPA会在压测过程中不断新增worker节点，2.4.3版本的Locust master对动态worker注册的处理性能极差，每新增一个worker都要重新计算用户分配配额、同步全量状态，worker数达到200时这类计算开销会直接占满CPU。先关闭HPA，压测启动前预先启动固定数量的worker，避免运行时动态调整。

2.2 限制仅worker执行业务初始化逻辑 #

Locust启动时master节点也会加载执行-f指定的压测脚本所有全局代码，你当前的grpc gevent初始化、文件加载等逻辑没有做进程判断，master也会执行无用的初始化逻辑占用资源。修改脚本添加进程类型判断：

from locust import runners
# 仅worker进程执行业务初始化逻辑
if isinstance(runners.get_runner(), runners.WorkerRunner):
    import grpc.experimental.gevent as grpc_gevent
    grpc_gevent.init_gevent()
    # 所有其他worker专属逻辑（比如SDK初始化、全局文件加载）都移到此处

2.3 调整master资源配额 #

从top输出可见master内存占用已达4Gi，若K8s配置的Pod资源limit接近该值会触发OOM kill，将master的CPU limit调整到≥4核，内存limit调整到≥8Gi。

3 Locust运行参数优化 #

3.1 降低日志输出级别 #

你当前开启了DEBUG级别的日志，高负载下大量的调试日志输出会占用极高的CPU，启动命令新增--loglevel INFO参数，关闭DEBUG日志。

3.2 调低指标聚合频率 #

Locust默认每秒聚合一次全量压测指标，高用户数下聚合开销很高，新增环境变量LOCUST_STATS_INTERVAL=5，将聚合间隔调整为5秒，可降低30%以上的master CPU占用。

3.3 优化csv输出逻辑 #

实时写入csv文件会额外增加CPU开销，若无需实时获取指标可先去掉--csv device参数，压测结束后再导出统计结果。

4 版本升级优化 #

Locust 2.4.3属于较老的版本，后续2.8+的稳定版对分布式master的通信逻辑、指标聚合效率做了大量优化，升级到最新的2.x稳定版本可直接降低40%以上的master CPU占用。

内容的提问来源于stack exchange，提问作者Troy