使用JMeter开展性能测试时如何采集3个Docker容器的平均资源利用率

核心是打通Docker指标采集源和JMeter的时间线对齐逻辑，全程在JMeter测试流程里完成3个目标容器的指标实时采集、平均值计算、结果展示，最终生成的压测报告可以直接把资源利用率和业务响应、吞吐量指标做同维度对比，不需要跨平台导出数据做关联。

1. 确认Docker指标采集的基础通路 #

不管用哪种采集方式，首先要保证运行JMeter的主机能正常获取3个目标容器的实时指标：

• 若3个容器和JMeter运行在同一台宿主机上，直接测试本地命令可用性：执行docker stats --no-stream，可以正常输出所有容器的CPU、内存占用的百分比数据就算通路正常，不需要额外配置远程接口。
• 若3个容器分布在多台宿主机上，需要在每台宿主机上运行轻量指标采集脚本，通过本地socket读取各自宿主机上的容器指标，再同步回JMeter节点做汇总计算，不要直接开放Docker的远程管理端口带来安全风险。

2. 嵌入JMeter的采集实现 #

两种可落地的方式，按需选择：

• 无插件零代码依赖方式：在JMeter测试计划里添加JSR223 Sampler，选择Groovy语言编写轻量采集逻辑，固定每3-5秒触发一次采集（避免高频采样引入额外开销），核心逻辑如下：

  // 控制采样频率：每5秒执行一次采集，避免和压测请求抢资源
  def lastSampleTime = props.get("last_docker_sample_time", 0L) as long
  if (System.currentTimeMillis() - lastSampleTime < 5000) {
      return
  }
  props.put("last_docker_sample_time", System.currentTimeMillis())
  // 执行本地docker命令获取所有容器的核心指标
  def statsProcess = "docker stats --no-stream --format '{{.Container}},{{.CPUPerc}},{{.MemPerc}}'".execute()
  def statsOutput = statsProcess.text.readLines()
  // 配置需要监测的3个目标容器名/ID
  def targetContainerList = ["svc-gateway", "svc-order", "svc-db"]
  def sumCpu = 0.0
  def sumMem = 0.0
  def matchedContainerCount = 0
  statsOutput.each { line ->
      def statParts = line.split(',')
      if (targetContainerList.contains(statParts[0])) {
          // 去除百分比符号，转成数值型计算
          sumCpu += statParts[1].replace('%', '').toDouble()
          sumMem += statParts[2].replace('%', '').toDouble()
          matchedContainerCount +=1
      }
  }
  // 匹配到全部3个容器后计算平均利用率，存入JMeter全局变量
  if (matchedContainerCount == 3) {
      def avgCpu = sumCpu / 3
      def avgMem = sumMem / 3
      // 把指标传递给后端监听器做报告生成
      SampleResult.setResponseCodeOK()
      SampleResult.setResponseMessage("平均CPU:${avgCpu}%, 平均内存:${avgMem}%")
      log.info("Docker指标采样完成：3个容器平均CPU利用率 ${avgCpu}%, 平均内存利用率 ${avgMem}%")
  }
  

• 低代码插件方式：如果已经安装了JMeter的标准插件集，直接添加Docker Monitor 采样器，在配置项里填入3个目标容器的名称/ID，设置3-5秒的采样间隔，插件会自动拉取每个容器的指标，内置提供多容器的平均利用率计算逻辑，不需要手动写代码处理数值转换和平均值计算。

3. 指标接入JMeter报告的配置 #

• 把采集到的平均CPU、内存指标，通过Backend Listener 或者HTML Report Generator 配置为自定义样本属性，保证指标的时间戳和压测请求的时间线完全对齐，不会出现资源数据和业务数据时间轴错位的问题。
• 可以在聚合报告、响应时间折线图组件里，把两个平均资源利用率的指标作为自定义系列展示，方便压测过程中实时观察资源水位的变化。

• 权限配置：运行JMeter的系统用户需要加入docker用户组，否则执行docker stats命令时会因为没有权限访问Docker的unix socket直接失败，配置完成后需要重启JMeter进程才能生效。
• 采样间隔设置：不要把采样间隔设得短于1秒，采样本身的资源开销会干扰压测结果的准确性，3-5秒的间隔完全足够捕捉压测期间的资源利用率变化趋势。
• 平均值口径统一：计算平均利用率时，要保证每个采样时间点都收集到全部3个容器的指标值再做除法计算，不要把未采集到目标容器的时间点的零散数据纳入平均值计算，避免结果偏差。

内容的提问来源于stack exchange，提问作者Vajira Prabuddhaka