1. 压力测试与特征工程概述
1.1 压力测试的定义与目标
压力测试（Stress Testing）是通过向系统施加超出正常峰值的并发负载，观察系统在极限状态下的行为表现、资源消耗与失效模式的一种非功能性测试方法。其核心目标不是验证功能正确性，而是找出系统的性能瓶颈、容量上限与恢复能力。
| 维度 | 定义 | 典型指标 |
|---|---|---|
| 负载极限 | 系统能承受的最大并发用户数或TPS | 最大并发数、吞吐量 |
| 资源边界 | CPU、内存、磁盘IO、网络带宽的饱和点 | CPU利用率、内存占用率 |
| 失效模式 | 系统在过载时的降级、超时、崩溃行为 | 错误率、响应时间分位数 |
| 恢复能力 | 负载回落后系统能否自动恢复正常 | 恢复时间、数据一致性 |
关键认知：压力测试不是一次性的“通过/不通过”检查，而是持续的性能基线建立过程。每一次压力测试产生的原始数据（响应时间、资源指标、错误日志）都是后续特征工程的原材料。
1.2 特征工程在性能分析中的价值
特征工程（Feature Engineering）是将原始性能数据转化为能反映系统状态、预测性能趋势、定位瓶颈根因的高质量特征集合的过程。在压力测试场景中，特征工程的价值体现在三个层面：
- 降噪与提炼：从海量时序指标中提取稳定、可解释的特征，过滤掉瞬时抖动和测量噪声。
- 关联与归因：构建跨层级的特征组合（如“CPU高+IO等待长”），揭示瓶颈的根因链路。
- 预测与预警：基于历史特征训练模型，提前预测系统何时接近性能拐点。
| 原始数据 | 特征工程后 | 分析价值 |
|---|---|---|
| 每秒CPU利用率% | CPU利用率滑动均值、峰值频次 | 识别CPU密集型瓶颈 |
| 响应时间原始值 | P50/P90/P99、响应时间变异系数 | 量化用户体验波动 |
| 错误日志文本 | 错误类型编码、错误率时间窗口聚合 | 定位故障模式 |
| 线程池状态 | 活跃线程占比、队列积压斜率 | 判断线程耗尽风险 |
实践建议：不要等到压力测试全部跑完才开始做特征工程。在测试执行过程中，实时计算关键特征（如响应时间P99的5分钟滑动均值），可以动态调整负载模型，避免无效测试。
1.3 课程整体框架与学习路径
本课程共30章，按“基础→方法→实战→优化”四阶段递进。下面用一张结构图展示整体脉络：
1.4 课程核心能力模型
完成本课程后，你将具备以下核心能力：
- 数据采集能力：熟练使用JMeter、Gatling、Locust等工具采集多维度性能数据。
- 特征构建能力：掌握时序特征、统计特征、频域特征、组合特征的提取方法。
- 特征选择能力：运用过滤法、包裹法、嵌入法筛选高价值特征。
- 建模分析能力：基于特征构建性能预测模型与异常检测模型。
- 工程落地能力：将特征工程流程集成到CI/CD流水线中，实现自动化。
常见误区：很多测试工程师把压力测试报告等同于“最大TPS+平均响应时间”两个数字。实际上，没有经过特征工程处理的原始数据，其信息密度极低，无法支撑根因分析与容量规划。特征工程是连接“测试数据”与“性能洞察”的桥梁。