4. 容量压力测试：压测工具选型、场景设计与瓶颈定位

容量压力测试是验证系统在预期负载下能否稳定运行、并发现性能瓶颈的关键环节。本节围绕压测工具选型、场景设计、结果分析与瓶颈定位三个核心步骤展开，帮助你在 Multi-Cluster 环境下建立标准化的压测流程。

4.1 压测工具选型：wrk / Locust / k6 对比

不同的压测工具在协议支持、并发模型、脚本灵活性和分布式能力上差异显著。下表从 SRE 工程视角对三款主流工具进行对比：

4.2 压测场景设计

压测场景设计需要覆盖正常负载、峰值负载和异常负载三种模式。以下是一个针对 Multi-Cluster 网关层的典型场景设计模板：

1. 基准测试 (Baseline)：单集群单服务，固定并发数（如 100），持续 5 分钟，获取基线延迟和吞吐。
2. 负载阶梯测试 (Ramp-up)：从 100 并发逐步增加到 1000 并发，每 30 秒增加 100，观察系统拐点。
3. 峰值持续测试 (Sustained Peak)：在预估峰值并发（如 800）下持续运行 30 分钟，检测内存泄漏和连接池耗尽。
4. 跨集群流量分配测试：模拟流量通过全局负载均衡器分发到两个集群，验证会话保持和故障转移。
5. 版本漂移模拟测试：在压测过程中，手动触发一个集群的版本更新，观察流量切换和错误率变化。

以下是一个 k6 脚本示例，用于执行跨集群的阶梯负载测试：

import http from 'k6/http';
import { check, sleep } from 'k6';

export const options = {
  stages: [
    { duration: '2m', target: 200 },  // 热身阶段
    { duration: '5m', target: 500 },  // 阶梯上升
    { duration: '10m', target: 800 }, // 峰值持续
    { duration: '3m', target: 0 },    // 冷却阶段
  ],
  thresholds: {
    http_req_duration: ['p(95)<2000'], // 95% 请求延迟低于 2s
    http_req_failed: ['rate<0.01'],    // 错误率低于 1%
  },
};

export default function () {
  // 模拟跨集群请求，通过 header 指定目标集群
  const params = {
    headers: {
      'X-Target-Cluster': __ENV.TARGET_CLUSTER || 'cluster-a',
    },
  };
  const res = http.get('http://global-gateway.example.com/api/v1/health', params);
  check(res, {
    'status is 200': (r) => r.status === 200,
    'response time < 500ms': (r) => r.timings.duration < 500,
  });
  sleep(1);
}

4.3 结果分析与瓶颈定位

压测结束后，需要从以下四个维度分析结果：

瓶颈定位通常遵循“自上而下”的排查路径：

1. 客户端视角：检查压测工具输出的延迟分布和错误码，确认问题是否集中在特定 API 或集群。
2. 网关层：查看全局负载均衡器的连接数和响应时间，判断是否存在流量倾斜或证书卸载瓶颈。
3. 服务层：通过 Prometheus + Grafana 监控每个服务的 CPU、内存、GC 和线程池状态。
4. 数据层：检查数据库连接池、慢查询日志和缓存命中率，确认是否因数据层拖累整体性能。

4.4 压测报告与版本漂移关联

在 Multi-Cluster 联合压测中，最终报告需要包含以下关键信息，以便与版本漂移风险关联：

• 集群维度对比：分别列出 Cluster-A 和 Cluster-B 的吞吐、延迟和错误率，标注版本号。
• 版本漂移影响量化：如果两个集群版本不同，对比其性能差异，例如“Cluster-A (v2.1) 的 p99 延迟比 Cluster-B (v2.0) 高 15%”。
• 瓶颈归属：明确瓶颈是出现在共享组件（如全局网关、数据库）还是特定集群的独有组件。
• 建议措施：针对每个瓶颈给出具体的优化建议，包括代码优化、资源配置调整或版本回退。