理论上 QA 需要在测试用例中覆盖性能验证，露馅但现实情况往往是压测：一旦线上出问题，开发 、利器测试
、速上手服运维一个都跑不了。露馅

所以，压测作为开发同学，利器给自己的速上手服开发机装个压测工具并不多余。除了大家熟悉的露馅 JMeter，本篇要介绍一款小巧高效的压测命令行工具 —— Apache Bench（简称 ab） 。它没有复杂的利器 GUI ，却能精准揭示服务器在压力下的服务器租用速上手服表现，轻量、露馅直接 、压测开箱即用，利器是开发者压测的“入门必修课” 。

Apache Bench 是什么

Apache Bench（ab）是 Apache HTTP Server 项目自带的一个压力测试工具 ，主要用于评估 Web 服务器在不同负载下的响应能力。它的优势在于：

命令行即开即用
：一条命令就能让服务器“压力山大”。全方位指标输出：响应时间、亿华云吞吐量、失败请求数
、分布统计等，一目了然。轻量便携：无需复杂配置
，也不用安装额外依赖。

换句话说 ，运维要做容量规划 ，测试要找瓶颈 ，开发要验证优化效果，ab 都是随手能掏出来的“小钢炮” 。

安装方式

安装 ab 的方式因系统不同而异，常见操作系统的云计算安装方式如下：

Linux (Debian/Ubuntu)sudo apt-get install apache2-utilsLinux (CentOS/RHEL)sudo yum install httpd-tools # 或者 dnfmacOS 一般系统自带，直接执行： ab -V

如果提示未找到，可以用 Homebrew：

brew install apache2-utils1. Windows 建议在 WSL 环境下运行，或者在 Apache HTTP Server 的 /bin 目录下找到 ab.exe。

安装完成后 ，在任何目录下执行 ab -V 能看到版本号 ，就说明准备就绪了。

入门示例：压测 GET 接口

假设我们在本地 Spring Boot 项目 /project/demo 下写了一个简单接口
：

package com.icoderoad.demo.controller; import org.springframework.web.bind.annotation.GetMapping; import org.springframework.web.bind.annotation.RestController; @RestController public class DemoController { @GetMapping("/demo") public String demo() { return "this is a demo"; } }

启动项目后
，我们用 ab 执行压测：

复制ab-n1000-c100 http://localhost:8080/demo1. -n 1000：一共发起 1000 个请求。-c 100：模拟 100 个并发用户 。http://localhost:8080/demo：目标地址。

运行后，ab 会输出一份完整报告，包括请求成功数、失败数 、高防服务器QPS（每秒请求数）、响应耗时 、分位数分布等
。比如 Requests per second: 120.50 [#/sec] 就直观地告诉你：服务器每秒能处理多少请求。

进阶用法：POST 与更多参数

仅靠 GET 请求显然不够 ，ab 同样支持 POST 压测 。假设我们有一个接口：

复制@PostMapping("/sum") public Response<Integer> sum(@RequestBody List<Integer> list) { return new Response<>(list.stream().mapToInt(Integer::intValue).sum()); }

我们准备一个 req.json 文件：

执行命令 ：

ab -n 10 -c 2 -p req.json -T application/json http://localhost:8080/sum

常用参数说明：

-p file：指定 POST 请求体文件。-T：设置 Content-Type，例如 application/json 。-C：添加 Cookie 模拟用户登录。-H：自定义 Header
，例如鉴权头 。-k：启用 Keep-Alive，减少连接开销，提高压测真实性。

通过灵活组合参数 ，建站模板ab 能满足大部分日常压测场景。

为什么要压测

压测的意义在于数据驱动，而不是“感觉”。

性能摸底：服务器能抗多少并发？单个请求平均响应时间是多少？发现瓶颈：是 CPU 顶不住
，还是数据库拖后腿 ？验证优化 ：改完代码后 ，性能是真提升了
，还是心理作用
？资源规划 ：促销活动预计有多少用户涌入 ？需要扩多少台机器 ？

一句话：压测是发现性能问题的显微镜
，源码下载也是验证优化效果的试金石。

实战与注意事项

不要随便压生产：ab 发起的流量可能直接拖垮线上服务 ，务必在测试环境进行 
。循序渐进 ：从 -c 1 开始，逐步加压 ，不要一上来就是“百万并发”。关注失败请求：Failed requests 一定要看清原因，是超时还是 5xx 。多次对比 ：单次压测结果可能受网络波动影响 ，多次取平均更可靠
。适用范围有限 ：ab 适合高频 、简单请求，不适合复杂业务链路（如登录
、跳转
、多步骤交互）
，这时需要 JMeter、Locust 或 k6 。

结论

压测是保障系统稳定性的最后一道关口 ，而 Apache Bench 就像一把“小刀” ，虽然简洁，却能切中要害。

它没有 JMeter 那么重型 ，但足够高效  、易上手。对于开发者而言  ，熟练掌握 ab 能在开发阶段就提前发现并规避潜在问题，把性能隐患扼杀在萌芽阶段。

所以
，下次上线前 ，不妨在 /opt/java/tools/ab 下敲几条命令，看看你的服务能不能扛住真实流量的冲击。

毕竟，没有经过压测的服务 ，就像未经考验的桥梁 
，随时可能在负荷面前“露馅” 。