4. 性能基准测试方法：使用 kube-burner 模拟负载、Prometheus 指标采集、关键性能指标(KPI)定义

性能基准测试是量化 Kyverno 策略冷启动影响的核心手段。本章定义一套可复现的测试方法，涵盖负载生成、指标采集与 KPI 定义，确保每次测试结果具备可比性与可审计性。

4.1 测试拓扑与组件关系

下图展示了基准测试环境中各组件之间的数据流与依赖关系：

4.2 负载生成：kube-burner 配置

kube-burner 是一个 Kubernetes 原生负载生成工具，支持声明式配置。以下配置模拟策略冷启动场景：

# kube-burner-config.yaml
apiVersion: kube-burner.io/v1alpha1
kind: Config
metadata:
  name: kyverno-coldstart-benchmark
spec:
  global:
    writeToFile: true
    metricsDirectory: collected-metrics
  jobs:
    - name: create-pods-with-policies
      jobIterations: 500
      qps: 50
      burst: 100
      namespacedIterations: true
      namespace: kyverno-bench-{{.iteration}}
      waitFor: ["PodReady"]
      maxWaitTimeout: 120s
      objects:
        - objectTemplate: pod-template.yaml
          replicas: 1
          inputVars:
            image: nginx:1.25
            label: "app=benchmark"
      cleanup: true
      preLoadImages: false

4.3 Prometheus 指标采集配置

Prometheus 通过 ServiceMonitor 自动发现 Kyverno 暴露的指标端点。关键采集配置如下：

# prometheus-additional-scrape-config.yaml
- job_name: 'kyverno-metrics'
  kubernetes_sd_configs:
    - role: pod
      namespaces:
        names:
          - kyverno
  relabel_configs:
    - source_labels: [__meta_kubernetes_pod_label_app_kubernetes_io_name]
      regex: kyverno
      action: keep
    - source_labels: [__meta_kubernetes_pod_container_port_number]
      regex: "8000"
      action: keep
  metrics_path: /metrics
  scrape_interval: 10s
  scrape_timeout: 5s

4.4 关键性能指标(KPI)定义

为量化冷启动瓶颈，定义以下四类 KPI：

4.5 测试执行流程

完整的基准测试按以下阶段顺序执行：

1. 预热阶段（30s）：发送 50 个低负载请求，触发策略缓存初始化
2. 基线采集（60s）：空载状态下采集 Prometheus 指标，建立基线
3. 负载注入（120s）：kube-burner 按配置发送请求，持续采集指标
4. 冷却观察（60s）：停止负载后继续采集，观察资源回收与缓存衰减
5. 数据导出：导出 Prometheus 原始数据与 kube-burner 日志

4.6 数据采集与处理命令

以下命令用于启动测试与导出指标：

# 启动 kube-burner 测试
kube-burner init -c kube-burner-config.yaml

# 导出 Prometheus 原始指标（使用 promtool）
promtool query range \
  --start=2025-01-15T10:00:00Z \
  --end=2025-01-15T10:05:00Z \
  --step=10s \
  'histogram_quantile(0.99, rate(kyverno_admission_webhook_latency_seconds_bucket[1m]))' \
  > p99-latency.csv

# 导出 kube-burner 内置指标
kube-burner check -d collected-metrics/ --timeout 30s

4.7 结果判定标准