Artillery 中使用自定义处理器为 WebSocket 用户生成 JWT 令牌
2025-05-27 19:13:36作者:庞队千Virginia
在 Artillery 负载测试工具中,当我们需要为每个虚拟用户(VU)生成不同的 JWT 令牌来测试 WebSocket 服务时,正确的配置方式至关重要。本文将详细介绍如何实现这一需求。
问题背景
在测试需要认证的 WebSocket 服务时,通常需要在连接时传递 JWT 令牌。每个测试用户应该使用不同的令牌,以模拟真实场景。常见的错误做法是直接在配置层面调用自定义函数,这会导致令牌无法正确生成和传递。
正确实现方式
1. 创建处理器文件
首先创建一个 processor.js 文件,其中包含生成随机令牌的逻辑:
// 预定义的令牌数组
let tokens = [
"eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9...",
"eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9...",
"eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..."
];
// 生成随机令牌的函数
function generateRandomToken(userContext, events, done) {
// 从数组中随机选择一个令牌
userContext.vars.token = tokens[Math.floor(Math.random() * tokens.length)];
return done();
}
module.exports = {
generateRandomToken
};
2. 编写测试脚本
在测试脚本中,关键点是将函数调用放在场景流程中,而不是配置层面:
config:
target: "ws://localhost:8080/userMessages"
phases:
- duration: 60 # 测试持续时间(秒)
arrivalRate: 10 # 每秒创建的用户数
processor: "./processor.js" # 指定处理器文件路径
ws:
headers:
x-jwt-token: "{{ token }}" # 使用模板变量引用令牌
scenarios:
- name: "WebSocket 认证测试"
engine: "ws"
flow:
- function: "generateRandomToken" # 在流程中调用函数
- send: "Test message" # 发送测试消息
- think: 5 # 思考时间(秒)
技术要点解析
-
处理器函数调用位置:必须在场景流程中调用,确保每个虚拟用户都能获得独立的令牌值。
-
变量作用域:
userContext.vars中设置的变量只在当前虚拟用户会话中有效。 -
令牌生成策略:示例中使用预定义数组随机选择,实际应用中可根据需要:
- 动态生成有效JWT
- 从外部文件读取
- 调用认证接口获取
-
WebSocket 头设置:通过
ws.headers配置认证头,使用模板语法{{ token }}引用变量。
进阶用法
- 动态令牌生成:可以修改处理器函数,使用库如
jsonwebtoken动态生成有效JWT:
const jwt = require('jsonwebtoken');
function generateDynamicToken(userContext, events, done) {
const payload = { userId: userContext.vars.$uuid };
const token = jwt.sign(payload, 'your-secret-key', { expiresIn: '1h' });
userContext.vars.token = token;
return done();
}
-
令牌生命周期管理:对于长时间运行的测试,可以在处理器中添加令牌刷新逻辑。
-
性能考虑:对于大规模测试,预生成令牌比动态生成更高效。
常见问题解决
-
令牌未定义错误:确保函数在发送请求前被调用,且变量名拼写一致。
-
令牌过期问题:适当设置JWT有效期,或实现刷新机制。
-
性能瓶颈:避免在处理器中进行复杂计算,必要时预生成测试数据。
通过以上方法,可以有效地为 Artillery 负载测试中的每个 WebSocket 连接生成和使用独立的 JWT 令牌,从而更真实地模拟生产环境中的用户行为。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2