Gatling是什么
　　Gatling是一个使用Scala编写的开源的负载测试框架，基于Akka和Netty，具有以下亮点:
　　· 高性能
　　· 友好的HTML报告
　　· 基于情境的记录器(recoder)，对开发友好的DSL
　　Gatling VS Jmeter
　　Jmeter是目前非常成熟的负载测试工具，支持相当多的协议，支持插件，可以轻松的扩展。
　　而Gatling性能上更有优势，并且使用Scala DSL代替xml做配置，相比jmeter要更灵活，而且更容易修改和维护。
　　关于Jmeter和Gatling的一个比较好的对比可以参见 infoq的文章
　　同时，Gatling也对 Maven 和 Gradle 这样的构建工具比较友好，易于集成到 Jenkins 中，轻松加入到CI流程中。
　　TIPS: 在实际使用中建议版本化管理gatling的配置，使用 maven插件 或 gradle插件 形成对应的maven/gradle工程项目管理，更容易，而且容量更小，升级gatling也会更方便，减少了很多手工的操作。
　　Gatling的基本使用
　　从官方网站 下载 zip压缩包，解压就行了，需要预先安装有JDK，并设置好 JAVA_HOME ，熟悉JAVA的朋友应该都懂，就不细说了。
　　Gatling的目录结构看起来像这样:
│  LICENSE
│
├─bin
│      gatling.bat
│      gatling.sh
│      recorder.bat
│      recorder.sh
│
├─conf
│      gatling-akka.conf
│      gatling.conf
│      logback.xml
│      recorder.conf
│
├─lib
├─results
│      .keep
│
└─user-files
├─bodies
│      .keep
│
├─data
│      search.csv
│
└─simulations
└─computerdatabase
│  BasicSimulation.scala
│
└─advanced
　　AdvancedSimulationStep01.scala
　　AdvancedSimulationStep02.scala
　　AdvancedSimulationStep03.scala
　　AdvancedSimulationStep04.scala
　　AdvancedSimulationStep05.scala
　　bin/ 目录存放gatling的可执行文件， conf/ 存放配置，通常保持默认即可， lib/ 存放gatling本身的依赖，用户不用管， results/ 存放报告， user-files/ 是用户最主要使用的目录，用户定义的测试场景相关的代码均存放于此目录下。
　　zip包解压缩以后已经带有了一个官方的示例文件 BasicSimulation.scala ，想看看演示效果的直接使用 bin/gatling.(bat|sh) 启动就可以了。这个演示的场景描述见 官方文档 。那几个 AdvancedSimulationStep 其实效果上和 BasicSimulation 完全一致，只是官方提供了一些参考的DSL写法而已。
　　一些实战中的DSL参考范例
　　尽管gatling和jmeter一样，带有一个图形化的recorder，但是功能极其简陋，只能模拟一个用户，并且没有结构化代码架构。因此只能用来生成最基本的框架，绝大多数情况需要用户自己编写DSL，其实官方文档中几乎已经涵盖了大部分的用例，照着抄就可以了。这里提供几个参考的DSL
　　Random不起作用？
　　有时候我们需要在测试场景中引入随机数，从而更好的模拟大量用户请求的场景。很自然的想到几乎各个编程语言都带有 Random 函数库。而Scala自然也不例外，带有一个
scala.util.Random 类库。但是实际使用的时候可能会发现没用。比如下面这个例子:
forever(
exec(http("Random id browse")
.get("/articles/" + scala.util.Random.nextInt(100))
.check(status.is(200))
)
　　这个 scala.util.Random.nextInt(100) 会发现只有第一次会随机生成一个数字，后面都不变。按照gatling的官方文档的解释，由于DSL会预编译，在整个执行过程中是静态的。因此Random在运行过程中就已经静态化了，不会再执行。应改为 Feeder 实现。 Feeder 是gatling用于实现注入动态参数或变量的。改用 Feeder 实现:
val randomIdFeeder =
Iterator.continually(Map("id" ->
(scala.util.Random.nextInt(100))))
forever(
feed(randomIdFeeder)
.exec(http("Random id browse")
.get("/articles/${id}"))
.check(status.is(200))
)
　　feed() 在每次执行时都会从 Iterator[Map[String， T]] 对象中取出一个值，这样才能实现这个需求。
　　使用 import 引入外部方法
　　例如专门写一个 Feeders.scala 文件，存储着各种需要用到的 Feeder :
import scala.util.Random
object LinchangFeeders {
def randomGeoFeeder() : Iterator[Map[String， Number]] = {
val LNG_RANGE = List(108.75， 109.1)
val LAT_RANGE = List(34.0， 34.4)
return Iterator.continually(
Map(
"lng" -> (
Random.nextFloat() * (LNG_RANGE(1)
- LNG_RANGE(0)) + LNG_RANGE(0)
)
，"lat" -> (
Random.nextFloat() * (LAT_RANGE(1)
- LAT_RANGE(0)) + LAT_RANGE(0)
)
)
)
}
def randomOffsetFeeder() : Iterator[Map[String， Number]] = {
Iterator.continually(Map("offset" -> Random.nextInt(100)))
}
}

　　然后在 MySimulation.scala 就可以 import ，使用里面定义好的方法了:
import scala.concurrent.duration._
import scala.util.Random
import io.gatling.core.Predef._
import io.gatling.http.Predef._
import io.gatling.jdbc.Predef._
import Feeders._
class MySimulation extends Simulation {
val brownse = feed(randomOffsetFeeder)
.exec(
home
)
}
　　用户注入策略
　　<= 10: 一把注入
　　> 10: 每10秒注入10个用户
val injectStrategy =
if (USERS_COUNT > 10) {
splitUsers(USERS_COUNT) into(
rampUsers(10) over(5 seconds)
) separatedBy(10 seconds)
} else {
atOnceUsers(USERS_COUNT)
}
　　压测时间策略
　　= 0: 所有模拟用户不循环，执行完测试场景即退出
　　> 0: 所有模拟用户循环执行测试场景，直到达到指定时间
val scn = scenario("My test scenario")
.doIfOrElse(DURATION > 0) {
forever(
exec(steps)
)
} {
exec(steps)
}
val setup = setUp(
scn.inject(
injectStrategy
).protocols(httpProtocol)
)
if (DURATION > 0) {
setup.maxDuration(DURATION minutes)
}