2. 样本构建基础：样本的概念、样本的代表性、样本的随机性、样本的覆盖度原则

在压力测试中，样本是从全量业务数据或用户行为中选取的、用于模拟负载的有限数据子集。样本构建的质量直接决定压测结果能否反映真实生产环境的表现。本章围绕样本的四个核心属性展开：概念定义、代表性、随机性与覆盖度原则。

2.1 样本的概念与压测中的特殊含义

传统统计学中的样本是从总体中随机抽取的一部分个体。在压力测试场景下，样本不仅包含数据记录，还包含请求参数组合、用户会话路径、并发时序等行为特征。一个压测样本通常由以下元素构成：

• 请求载荷：HTTP 请求头、Body、Cookie、Token 等。
• 业务上下文：用户 ID、商品 ID、订单状态、时间戳。
• 行为序列：登录 → 搜索 → 加购 → 下单 → 支付 的完整链路。
• 并发分布：不同时段、不同地域的请求到达模式。

2.2 样本的代表性

代表性是指样本能够准确反映真实用户流量中各类业务场景的比例关系和特征分布。缺乏代表性的样本会导致压测结果偏向某些特定场景，掩盖系统在其他场景下的瓶颈。

2.3 样本的随机性

随机性确保样本中每个元素被选中的概率非零且已知，从而避免选择偏差。在压测样本构建中，随机性体现在两个层面：

1. 数据抽取随机：从全量日志或数据库中随机选取请求记录，而非仅取前 N 条或最后 N 条。
2. 参数组合随机：在固定业务场景下，对请求参数（如商品 ID、用户 ID、时间戳）进行随机化，避免重复命中缓存或单一数据分片。

实现随机性的常用方法：

• 伪随机采样：使用随机数生成器（如 Python random.sample）从全量数据中无放回抽取。
• 哈希取模：对用户 ID 或会话 ID 进行哈希后取模，按模值分配到不同样本桶，保证同一会话的请求完整保留。
• 蓄水池采样：适用于数据流场景，在未知总量的情况下等概率抽取样本。

# 蓄水池采样示例（Python）
import random

def reservoir_sampling(stream, k):
    reservoir = []
    for i, item in enumerate(stream):
        if i < k:
            reservoir.append(item)
        else:
            j = random.randint(0, i)
            if j < k:
                reservoir[j] = item
    return reservoir

2.4 样本的覆盖度原则

覆盖度衡量样本对全量业务场景的穷举程度。高覆盖度意味着样本能够触发系统在不同输入条件下的所有关键代码路径和资源竞争状态。覆盖度原则包含以下三个子原则：

覆盖度与样本量之间存在边际递减效应：初期增加样本量能快速提升覆盖度，但当覆盖度达到 80% 后，继续增加样本量带来的覆盖度提升非常有限。此时应优先使用组合测试（Pairwise Testing）或等价类划分来补充边界场景。

2.5 四维原则的协同与权衡

在实际项目中，代表性、随机性、覆盖度三者之间存在张力：

• 代表性 vs 随机性：完全随机可能破坏业务比例，完全按比例分层则可能丢失罕见但关键的随机组合。
• 覆盖度 vs 样本量：追求 100% 覆盖度会导致样本量爆炸，超出压测工具的处理能力。
• 代表性 vs 覆盖度：某些低频业务场景（如退款纠纷）在代表性上权重极低，但覆盖度要求必须包含。

下表总结了不同压测目标下的样本构建策略优先级：

2.6 样本构建的常见陷阱