4. 性能基准测试方法论：压测工具选型、测试场景设计与基线建立

性能基准测试是Envoy变更门禁的核心决策依据。没有科学的基准测试方法论，压测数据将失去可比性，门禁判断也会沦为“拍脑袋”。本章从工具选型、场景设计到基线建立，构建完整的性能基准测试体系。

4.1 压测工具选型：wrk2 / h2load / ghz 对比

Envoy作为L7代理，其性能测试需要覆盖HTTP/1.1、HTTP/2、gRPC三种主流协议。单一工具无法胜任所有场景，必须根据协议特征选择最合适的压测工具。

以下为各工具的核心压测命令示例：

# wrk2: 恒定1000 RPS，持续60秒，4线程，50连接
wrk2 -t4 -c50 -d60s -R1000 --latency http://envoy-proxy:10000/bench

# h2load: 100并发流，1000请求/流，HTTP/2直接连接
h2load -c100 -m100 -n100000 -H "Content-Type: application/grpc" \
  http://envoy-proxy:10000/bench.h2

# ghz: 100并发，gRPC unary调用，Protobuf payload 1KB
ghz --insecure --proto ./bench.proto --call bench.BenchService.Unary \
  -c 100 -n 50000 --data '{"size": 1024}' \
  envoy-proxy:10000

4.2 测试场景设计：从单点到全链路

Envoy变更门禁的测试场景必须覆盖三个层次：单点基准、协议特征、压力边界。每个层次对应不同的性能关注点。

4.2.1 单点基准场景

• 空负载延迟：Envoy空转（无流量）时的基础延迟，验证变更是否引入额外调度开销。
• 单连接吞吐：1个TCP连接下的最大吞吐量，测试Envoy连接处理效率。
• 静态响应：上游返回固定1KB payload，排除上游业务逻辑干扰。

4.2.2 协议特征场景

• HTTP/1.1 keep-alive：长连接复用，测试连接池和请求调度。
• HTTP/2 多路复用：100个并发流，测试流调度和优先级。
• gRPC unary + streaming：Protobuf序列化/反序列化开销。

4.2.3 压力边界场景

• 线性增压：从100 RPS逐步增加到5000 RPS，观察延迟拐点。
• 突发流量：瞬时2倍峰值，测试Envoy背压和队列管理。
• 连接风暴：每秒新建1000个TCP连接，测试连接管理性能。

4.3 基线建立：可重复、可对比、可追溯

基线是变更门禁的“标尺”。没有基线，压测数据只是孤立的数字。基线建立需要满足三个核心要求：可重复（相同环境输出相同结果）、可对比（变更前后数据格式一致）、可追溯（记录环境版本和配置快照）。

4.3.1 基线采集流程

1. 环境锁定：固定Envoy版本、上游服务版本、内核参数、CPU/内存配置。
2. 预热运行：每个场景先运行1次预热，丢弃预热数据。
3. 多次采样：每个场景至少运行3次，取中位数作为基线值。
4. 数据记录：记录P50/P90/P99延迟、平均RPS、错误率、CPU/内存使用率。
5. 配置快照：保存Envoy bootstrap配置、动态CDS/LDS/RDS/EDS快照。

4.3.2 基线数据格式

推荐使用JSON格式存储基线，便于自动化对比和门禁判断：

{
  "baseline_id": "v1.28.0-baseline-20250401",
  "envoy_version": "1.28.0",
  "envoy_config_hash": "sha256:abc123...",
  "scenarios": [
    {
      "name": "http1_keepalive_1kb",
      "tool": "wrk2",
      "params": {"connections": 50, "threads": 4, "duration": 60, "rps": 1000},
      "results": {
        "avg_latency_ms": 2.34,
        "p50_latency_ms": 2.10,
        "p99_latency_ms": 5.87,
        "actual_rps": 998.5,
        "error_rate": 0.0,
        "cpu_percent": 35.2,
        "memory_mb": 128.4
      }
    }
  ]
}

4.3.3 基线变更门禁阈值

4.4 实战避坑：常见性能基准测试误区

• 误区1：只跑一次就当作基线 —— 环境抖动（CPU throttling、网络中断）会导致单次数据失真。必须多次采样取中位数。
• 误区2：忽略预热期 —— Envoy的JIT编译、连接池初始化、TLS会话缓存都需要预热。不预热的数据P99可能高出3-5倍。
• 误区3：压测工具与协议不匹配 —— 用wrk2压gRPC（wrk2不支持Protobuf序列化），或用h2load压HTTP/1.1（h2load强制HTTP/2），都会得到错误结论。
• 误区4：基线不记录环境快照 —— 当Envoy版本、上游服务版本、内核参数变化后，旧基线无法复现，对比失去意义。
• 误区5：门禁阈值一刀切 —— 不同场景（如小包延迟 vs 大包吞吐）的退化容忍度不同，需要为每个场景独立设置阈值。