负载测试（Load Testing）

负载测试（Load Testing）

一句话总结：测试系统在预期负载下的性能表现。

🌟 快速理解

就像测试电梯承重：

1
2
3
4
5
6
7
8
9
10
11
电梯标注：最大载重1000kg

负载测试：
- 500kg（50%负载）：运行流畅 ✅
- 800kg（80%负载）：运行正常 ✅
- 1000kg（100%负载）：运行缓慢 ⚠️
- 1200kg（120%负载）：超载警报 ❌

目的：
- 验证电梯在正常负载下能否正常工作
- 找出性能瓶颈

📌 核心概念

什么是负载测试？

负载测试：测试系统在预期负载（用户数、请求数）下的性能表现。

负载测试 vs 压力测试 vs 性能测试

维度 负载测试 压力测试 性能测试
目的 验证正常负载 找出极限 评估性能
负载 预期负载 超出预期 各种负载
关注点 响应时间、吞吐量 崩溃点 全面性能

🎯 真实案例

案例：淘宝双11负载测试

背景：2023年双11，淘宝预计峰值流量

负载测试目标：

1
2
3
4
预期负载：
- 并发用户：1000万
- 每秒请求：50万TPS
- 峰值时段：20:00-22:00

负载测试过程：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
from locust import HttpUser, task, between

class TaobaoUser(HttpUser):
    wait_time = between(1, 3)
    
    @task(5)
    def browse_products(self):
        """浏览商品（高频操作）"""
        self.client.get("/products")
    
    @task(3)
    def search(self):
        """搜索商品"""
        self.client.get("/search?q=iPhone")
    
    @task(2)
    def add_to_cart(self):
        """加入购物车"""
        self.client.post("/cart", json={
            "product_id": 123,
            "quantity": 1
        })
    
    @task(1)
    def checkout(self):
        """下单（低频但重要）"""
        self.client.post("/checkout")

# 负载测试配置
# 用户数：从0逐步增加到1000万
# 增长速率：每秒增加1000用户
# 持续时间：2小时

测试结果：

1
2
3
4
5
6
7
8
9
10
11
负载级别 | 并发用户 | 响应时间 | 吞吐量 | CPU | 内存
--------|---------|---------|--------|-----|-----
50%     | 500万   | 200ms   | 25万TPS | 60% | 50%
80%     | 800万   | 500ms   | 40万TPS | 80% | 70%
100%    | 1000万  | 1000ms  | 50万TPS | 90% | 85%
120%    | 1200万  | 3000ms  | 45万TPS | 95% | 90%

结论：
✅ 系统可以支撑1000万并发用户
⚠️ 响应时间在100%负载时达到1秒
❌ 超过100%负载时性能下降

优化措施：

1
2
3
4
1. 增加服务器数量（水平扩展）
2. 优化数据库查询（添加索引）
3. 增加缓存（Redis）
4. 使用CDN加速静态资源

✅ 负载测试流程

1. 确定负载目标

1
2
3
4
5
负载目标：
- 并发用户数：10000
- 每秒请求数（TPS）：1000
- 响应时间：< 500ms
- 错误率：< 1%

2. 设计负载场景

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 场景1：正常负载（80%）
def normal_load():
    users = 8000
    duration = "1h"
    
# 场景2：峰值负载（100%）
def peak_load():
    users = 10000
    duration = "30m"
    
# 场景3：超载（120%）
def overload():
    users = 12000
    duration = "15m"

3. 执行负载测试

1
2
3
4
5
6
# 使用Locust执行负载测试
locust -f loadtest.py \
    --users 10000 \
    --spawn-rate 100 \
    --run-time 1h \
    --host https://example.com

4. 分析测试结果

1
2
3
4
5
6
7
8
9
10
11
12
性能指标：
- 响应时间：平均500ms，P95 1000ms
- 吞吐量：1000 TPS
- 错误率：0.5%
- CPU使用率：80%
- 内存使用率：70%

瓶颈分析：
❌ 数据库查询慢（平均300ms）
❌ API响应慢（平均200ms）
✅ 网络带宽充足
✅ 服务器资源充足

🛠️ 负载测试工具

工具 特点 推荐度
Locust Python、易用、分布式 ⭐⭐⭐⭐⭐
K6 Go、高性能、云原生 ⭐⭐⭐⭐⭐
JMeter Java、功能丰富 ⭐⭐⭐⭐
Gatling Scala、高性能 ⭐⭐⭐⭐

📊 最佳实践

1. 逐步增加负载

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
# 错误做法：直接施加最大负载
users = 10000  # ❌

# 正确做法：逐步增加负载
from locust import LoadTestShape

class StepLoadShape(LoadTestShape):
    step_time = 300  # 每个阶段5分钟
    step_load = 2000  # 每次增加2000用户
    
    def tick(self):
        run_time = self.get_run_time()
        current_step = run_time // self.step_time
        
        if current_step < 5:
            return (current_step + 1) * self.step_load, 100
        else:
            return None

2. 监控系统资源

1
2
3
4
5
6
7
8
9
# 监控指标
metrics:
  - response_time
  - throughput
  - error_rate
  - cpu_usage
  - memory_usage
  - disk_io
  - network_io

3. 使用真实数据

1
2
3
4
5
6
7
8
# 错误做法：使用固定数据
user_id = 123  # ❌

# 正确做法：使用真实数据
import random

user_ids = range(1, 100000)
user_id = random.choice(user_ids)  # ✅

🔗 相关主题

  • [[压力测试]] - 测试系统极限
  • [[性能测试]] - 包含负载测试
  • [[耐力测试]] - 长时间负载测试

💡 快速参考

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
负载测试速查表
================

定义：测试系统在预期负载下的性能表现

核心指标：
⏱️ 响应时间
📊 吞吐量
❌ 错误率
💻 资源使用率

负载测试流程：
1. 确定负载目标
2. 设计负载场景
3. 执行负载测试
4. 分析测试结果

推荐工具：
- Locust（Python、易用）
- K6（Go、高性能）
- JMeter（Java、功能丰富）

最佳实践：
1. 逐步增加负载
2. 监控系统资源
3. 使用真实数据
4. 多次测试验证

负载 vs 压力：
- 负载：预期负载、验证性能
- 压力：超出预期、找出极限