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 StartedRust0153- 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
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
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
434
395
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++
1.01 K
1.01 K
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
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (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
1.68 K
990