- 脚本
locust使用写脚本的方式，方便对于python有一定基础的人，可以随着自己的想法进行脚本的编写
jmeter通过可视化工具，填写后保存。上手难度低，适合所有人员。 - 运行
locust有两种启动，一种通过web模式控制，还有一种通过命令行控制
jmeter有两种启动，一种通过可视化工具控制，还有一种也是通过命令行控制 - 调试
locust脚本编写时，几乎无调试方式，只能靠运行查看，不方便
jmeter脚本编写时，使用查看结果树就能查看到具体的结果 - 分布式
locust无论是否使用web，分布式执行指令即可，可以按照分布机的情况，控制分布worker的数量。
jmeter分布式命令行模式控制稍繁琐，可视化界面需要配置文件中指定机器，而且https互通时，还需要互相传递秘钥。
综上，jmeter可以指定运行的机器，但是需要配置。locust被动接受运行机器，但是当一个机器断开后，不会重新分配。分布方法都还可以，挺简单。 - 报告
locust真的是简陋，只有tps、响应时间、并发数的图，还有错误信息，但是80%的信息都包含了，只能满足可用。
jmeter可以生产html的报告，乍一看很强大，很详细，但是可用的数据不多，io使用情况以及少量图表可以借鉴。
综上，报告都一般，主要的信息都提供了，其余的需要自己汇总和参考。 - 运行时
主要监控消耗的内存和cpu数据（本机4核cpu），并产出的压力tps的值
情况一：模拟一个简单的接口，请求就返回，单进程，平均响应时间非常快
- locust的web模式：
非分布式：
cpu占用最多24%，内存占用50M+，最后产生tps 600+
分布式（3个）：
cpu占用总和最多70%，内存占用总和120M+，最后产出的tps 650+ - lucust的命令行模式：
cpu占用最多24%，内存占用46M+，最后产生tps 600+
分布式（3个）：
cpu占用总和最多70%，内存占用总和110M+，最后产出的tps 650+ - jmeter可视化工具：
cpu占用44%，内存占用1250M+，最后产生tps 900+ - jmeter命令行：
cpu占用46%，内存占用550M+，最后产生tps 1200+ - 综上，当前情况下，即响应快，需要cpu大量参与的情况，jmeter的命令行，优势非常明显，而且占用的内存比可视化工具少很多，cpu消耗比locust分布式小一些。
情况二：模拟一个简单的接口，请求后等待0.05秒才返回，单进程
- locust的web模式：
非分布式：
cpu占用18%，内存占用50M+，最后产生tps 19.1
分布式（3个）：
cpu占用总和36%，内存占用总和120M+，最后产出的tps 19.2 - lucust的命令行模式：
cpu占用17%，内存占用46M，最后产生tps 19.2
分布式（3个）：
cpu占用总和35%，内存占用总和110M，最后产出的tps 19.4 - jmeter可视化工具：
cpu占用19%，内存占用950M+，最后产生tps 19.2 - jmeter命令行：
cpu占用12%，内存占用370M+，最后产生tps 19.4 - 综上，当前情况下，即响应时间一般，两个工具消耗的cpu相近，内存使用jmeter偏高
- 写在最后
还有很多想比较的地方，待下回分解
总体推荐使用jmeter，但是期望二次开发，两者都可以，但是个人喜欢在locust的基础上，二次开发。
