hey:用 Go 写的 HTTP 压测利器
如果你在 Go 圈里混过一段时间,项目上线前跑压测时,大概率会听过一个名字——hey。它是个用 Go 编写的轻量级 HTTP 负载测试工具,项目地址在 github.com/rakyll/hey。
这篇文章就来聊聊 hey 是什么、怎么用、内部如何工作,以及什么时候该用它、什么时候该换别的工具。
一、hey 是什么
hey 的前身叫 boom,灵感来自 Python 的 ab(ApacheBench),后来作者用 Go 重写并改名 hey。它的定位很纯粹:对某个 HTTP 端点施加并发请求,然后统计响应性能。
它有几个很实用的特点:
- 零依赖单文件:编译出来就是一个二进制,扔到任何机器上都能跑。
- 支持 HTTP/2:Go 标准库自带的
http.Transport天然支持 HTTP/2,hey 直接受益。 - 支持 POST/PUT 等带 body 的请求。
- 直方图和延迟分布:输出不是只给个平均值,而是带百分位的分布,这点对压测很有意义。
- 支持 QPS 限速:用
-q控制每秒请求数,做稳态压测。
二、安装
最简单的方式:
go install github.com/rakyll/hey@latest
或者从 release 页面直接下载对应平台的二进制。也可以 clone 源码自己 go build。
三、常用参数速览
hey 的参数不多,但每个都有用。先看核心的几个:
hey [options] <url>
| 参数 | 说明 |
|---|---|
-n |
总请求数,默认 200 |
-c |
并发数(worker 数量),默认 50 |
-q |
每秒请求数上限,0 表示不限 |
-z |
持续时间,如 -z 30s,用时间替代 -n |
-m |
HTTP 方法,默认 GET |
-d |
请求 body |
-T |
Content-Type |
-H |
自定义 Header,可重复 |
-t |
单个请求超时,默认 20s |
-o |
输出格式,csv 可导出数据 |
-disable-compression |
禁用 gzip 压缩 |
-disable-keepalive |
禁用连接复用 |
-h2 |
强制 HTTP/2 |
一个典型的压测命令:
hey -n 10000 -c 100 -m POST \
-T "application/json" \
-d '{"name":"test"}' \
-H "Authorization: Bearer xxx" \
https://api.example.com/users
意思是对 https://api.example.com/users 发 10000 个 POST 请求,100 个并发,带 JSON body 和认证头。
四、看懂输出
hey 的输出信息量挺大,逐块拆开看:
Summary: Total: 3.2145 secs Slowest: 0.8521 secs Fastest: 0.0032 secs Average: 0.0321 secs Requests/sec: 3110.8912
- Total:总耗时。
- Requests/sec:整体吞吐量 QPS。
- Average 只是个参考,真正有说服力的是下面的分位数。
Response time histogram: 0.003 [1] | 0.088 [852] |■■■■■■■ 0.173 [1032] |■■■■■■■■■ ...
这是延迟直方图,横轴延迟区间,[...] 里是落在该区间的请求数。如果你看到尾部很长,说明有慢请求拖后腿。
Latency distribution: 10% in 0.0121 secs 25% in 0.0188 secs 50% in 0.0256 secs 75% in 0.0345 secs 90% in 0.0489 secs 95% in 0.0677 secs 99% in 0.1521 secs
这是 hey 最有价值的部分。P50、P90、P99 才是真实用户体验的近似画像。压测时盯 P99,比盯平均值有意义得多。
最后的 Status code distribution 告诉你有多少请求成功(200)、多少失败(500、超时等),别忘了看这块。
五、内部是怎么实现的
理解 hey 的实现方式,对你判断它适不适用很有帮助。它的核心逻辑非常朴素:
- 生成 N 个
http.Request:-n个请求在开始时全部构造好。 - 启动 C 个 worker goroutine:每个 worker 从共享的 request channel 里取活儿。
- 每个 worker 记录耗时:发请求前后打时间戳,得到单次延迟。
- 统计聚合:所有结果收齐后算分位数、直方图、状态码分布。
伪代码大概是:
func work(reqChan <-chan *http.Request, wg *sync.WaitGroup, resultChan chan<- *result) {
for req := range reqChan {
start := time.Now()
resp, err := client.Do(req)
elapsed := time.Since(start)
resultChan <- &result{
duration: elapsed,
status: resp.StatusCode,
}
}
}
值得注意的几个设计取舍:
- client 是复用的:所有 worker 共用一个
http.Client,默认走Transport的连接池。这意味着压测的是服务端真实处理能力,而不是握手开销。如果你想测每次新建连接,加-disable-keepalive。 - 请求 body 是同一个:如果 body 是流式的(比如大文件),需要在每次请求前 reset。hey 内部对
io.ReadSeeker做了 seek 归零处理,普通字符串 body 没这个问题。 - 限速用 token bucket:
-q参数通过golang.org/x/time/rate实现,控制的是全局发送速率。
因为是基于 goroutine 的模型,单机跑几万并发问题不大,瓶颈通常在客户端机器的 fd 限制或网络。遇到 too many open files,先调 ulimit -n。
六、几个常见使用姿势
1. 固定 QPS 压测,观察服务是否稳定
hey -z 60s -q 500 -c 50 https://api.example.com/health
60 秒内稳定每秒 500 请求,看 P99 和错误率会不会随时间恶化。
2. 用 CSV 导出做进一步分析
hey -n 10000 -c 100 -o csv https://api.example.com/ > result.csv
得到的是每个请求一行的时间数据,可以丢进 Python/Jupyter 画图、算更细的分位数。
3. 对比接口在压缩开关下的表现
hey -n 5000 -c 50 https://api.example.com/list hey -n 5000 -c 50 -disable-compression https://api.example.com/list
对比两者的 Requests/sec 和 Total 里的传输数据量(输出里有 Size/request 指标)。
4. 走 HTTP/2 对比性能
hey -n 5000 -c 100 -h2 https://api.example.com/
对比 HTTP/1.1 下同样 concurrency 的结果,能直观看出多路复用的收益。
七、hey 的局限
诚实地说,hey 有自己的边界,别当万能工具:
- 只测简单 HTTP 场景:不支持 WebSocket、gRPC、复杂的认证握手、请求间依赖(比如先登录拿 token 再请求)。带登录态的压测,你可以先用 curl 拿到 token,再塞进
-H,但多步流程就搞不定了。 - 请求内容固定:所有请求都是同一份 body、同一组 header,无法做参数化或随机化。要测”不同用户不同参数”这种场景,得自己写压测脚本。
- 统计相对基础:没有原生的多阶段压测(ramp-up、soak test)、没有实时 TUI、没有和 Prometheus 的集成。这些是 vegeta、k6、wrk 的强项。
- 不适合长时间高强度压测:所有请求和结果都存在内存里,
-n特别大时内存占用会上去。
所以合理的定位是:hey 适合快速验证、接口级基准测试、CI 里做回归。 需要复杂场景、要接监控、要做持续压测的,看 k6 或 vegeta 更合适。
八、小结
hey 的价值在于简单。一条命令就能拿到 P50/P90/P99 和状态码分布,够用了。它没有炫目的实时面板,也不支持脚本化场景,但正是这份克制让它成为 Go 开发者压测时第一反应会想到的工具。
最后提一句实践建议:压测时先把客户端机器和网络摸清楚。很多时候你测到的”服务端瓶颈”,其实是压测机自己的 CPU、fd 或端口耗尽了。用 hey 之前先去把 ulimit、连接数、压测机与服务端的网络 RTT 搞明白,数据才有说服力。
有问题欢迎在评论区交流,也欢迎去给这个项目点个 star:https://github.com/rakyll/hey



还没有评论,来说两句吧...