4. 性能测试基础理论：性能测试关键指标与测试方法论

在深入 Kyverno 冷启动性能测试之前，必须建立统一的性能度量体系。性能测试不是简单的“快与慢”判断，而是通过可量化的指标和标准化的方法论，对系统行为进行建模、测量与评估。本章将定义三个核心指标维度，并介绍适用于策略引擎场景的测试方法论。

4.1 性能测试关键指标

性能测试的三大支柱指标是：延迟（Latency）、吞吐量（Throughput）和资源消耗（Resource Consumption）。三者相互关联，共同构成系统性能的全景视图。

4.1.1 延迟（Latency）

延迟衡量从请求发出到收到完整响应所经过的时间。在 Kyverno 场景中，延迟特指从 Admission Review 请求到达 Webhook 端点，到策略引擎完成所有匹配策略的评估并返回响应的时间间隔。

4.1.2 吞吐量（Throughput）

吞吐量表示系统在单位时间内能够处理的请求数量，通常以 RPS（Requests Per Second） 或 TPS（Transactions Per Second） 为单位。对于 Kyverno，吞吐量即每秒能够完成的 Admission Review 评估次数。

吞吐量与延迟之间存在经典的 Little's Law 关系：

L = λ × W

其中：
L = 系统中并发请求数（Concurrency）
λ = 吞吐量（Throughput）
W = 平均延迟（Average Latency）

在 Kyverno 冷启动测试中，吞吐量曲线通常呈现三个阶段：

• 启动爬升期： 吞吐量从 0 开始缓慢上升，策略规则正在加载和编译。
• 波动震荡期： 吞吐量出现锯齿状波动，JIT 编译与缓存填充交替影响。
• 稳态饱和期： 吞吐量达到稳定峰值，冷启动完成。

4.1.3 资源消耗（Resource Consumption）

资源消耗指标用于量化系统对底层基础设施的占用情况。Kyverno 作为 Kubernetes 原生策略引擎，主要消耗以下资源：

4.2 性能测试方法论

针对 Kyverno 冷启动场景，我们采用分层递进的测试方法论，从单点基准测试逐步演进到全链路压测。

4.2.1 测试类型分层

4.2.2 冷启动测试的独特方法论

冷启动测试与传统负载测试有本质区别：传统测试关注稳态性能，冷启动测试关注 从 0 到稳态的过渡过程。我们定义以下测试步骤：

1. 基线采集： 在 Kyverno 正常运行 10 分钟后，记录稳态延迟、吞吐量和资源消耗的 P50/P99 值。
2. 冷启动触发： 通过 kubectl rollout restart 重启 Kyverno Pod，同时启动持续负载。
3. 时间窗口切片： 以 5 秒为窗口，连续记录每个窗口内的性能指标。
4. 收敛判定： 当连续 3 个窗口的 P99 延迟恢复到基线 P99 的 120% 以内时，判定冷启动结束。
5. 瓶颈定位： 结合火焰图和 GC 日志，定位冷启动期间的具体瓶颈点。

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

export const options = {
  stages: [
    { duration: '2m', target: 50 },  // 冷启动期间持续施压
    { duration: '5m', target: 50 },  // 观察恢复过程
  ],
  thresholds: {
    http_req_duration: ['p(99)<500'], // 冷启动允许更高延迟
  },
};

export default function () {
  const payload = JSON.stringify({
    apiVersion: 'admission.k8s.io/v1',
    kind: 'AdmissionReview',
    request: { /* 模拟真实请求 */ },
  });
  const res = http.post('https://kyverno-svc:443/validate', payload, {
    headers: { 'Content-Type': 'application/json' },
  });
  check(res, { 'status is 200': (r) => r.status === 200 });
  sleep(0.1);
}

4.2.3 测试环境控制原则

为确保冷启动测试结果的可复现性，必须严格控制以下变量：

• 策略数量与复杂度： 每次测试使用固定策略集（建议 50~200 条规则），记录规则数量和平均规则长度。
• 并发请求模型： 使用恒定并发（如 10 VUs）而非阶梯并发，避免并发变化干扰冷启动判断。
• 资源配额固定： Kyverno Pod 的 CPU 和内存 request/limit 在测试期间保持不变。
• 预热请求： 冷启动触发前，发送 10 次预热请求确保网络链路正常。
• 重复次数： 每组测试至少重复 3 次，取中位数结果，排除偶发抖动。

4.3 指标与方法的关联分析

将三大指标与冷启动测试方法论结合，形成完整的性能评估矩阵：