2. 压测基础回顾：工具、指标与环境
在构建自助容量压测作业平台之前，必须统一团队对压测基础概念的认知。本章从工具选型、核心指标和环境隔离三个维度进行回顾，为后续任务模板设计与一键执行流程奠定共识基础。
2.1 常见压测工具对比
业界主流的压测工具包括 JMeter、Locust 和 k6，三者在协议支持、脚本编写、分布式能力和资源开销上存在显著差异。下表从平台架构视角进行横向对比：
| 对比维度 | JMeter | Locust | k6 |
|---|---|---|---|
| 脚本语言 | XML（GUI 录制/手动编写） | Python（纯代码定义行为） | JavaScript（ES6+，支持模块化） |
| 协议支持 | HTTP/HTTPS、JDBC、JMS、FTP、TCP 等（插件生态丰富） | HTTP/HTTPS 为主（可扩展） | HTTP/HTTPS、gRPC、WebSocket、Browser（内置） |
| 分布式能力 | Master-Slave 模式，需手动配置 Agent | Master-Worker 模式，支持动态扩缩 | 原生 Cloud 分布式，Kubernetes Operator 支持 |
| 资源开销 | 较高（GUI 模式消耗大，Headless 模式可优化） | 中等（基于协程，单机并发量高） | 低（Go 编译为二进制，单机万级 VU） |
| CI/CD 集成 | 需通过 CLI 或 Maven 插件 | 需通过命令行 + 报告插件 | 原生 CLI，支持 Pipeline 内嵌 |
| 平台适用场景 | 传统企业、复杂协议、已有资产复用 | 研发团队、快速原型、行为模拟 | 云原生、SRE 团队、自动化压测流水线 |
平台选型建议： 自助压测平台应优先支持 k6 作为默认引擎，因其脚本即代码、低资源开销和原生 CI/CD 集成能力；同时保留 JMeter 适配层以兼容存量测试资产。Locust 适合需要复杂用户行为模拟的场景，可作为可选引擎。
2.2 压测核心指标
压测结果通过四个核心指标量化：QPS（每秒查询数）、RT（响应时间）、TPS（每秒事务数）和错误率。理解这些指标的定义与关系是解读压测报告的前提。
- QPS / TPS：QPS 侧重查询类请求，TPS 侧重完整事务（可能包含多个请求）。在 RESTful 架构中，两者常近似使用，但平台应区分统计。
- RT（响应时间）：通常关注 P50、P90、P99 分位值，而非平均值。P99 超过 500ms 即需关注。
- 错误率：HTTP 5xx、超时、连接拒绝等均计入错误。平台应设定错误率阈值（如 < 1%）作为自动熔断条件。
下图展示了指标之间的联动关系与典型瓶颈定位路径：
平台设计要点： 自助压测平台应实时采集并展示上述四个指标的时序曲线，并在 RT 或错误率超过阈值时自动触发降级或熔断，避免压测对被测系统造成持续影响。
2.3 压测环境与数据隔离
压测活动必须与生产环境严格隔离，同时保证压测数据的独立性与可追溯性。平台架构上需从网络、数据和流量三个层面实施隔离策略。
| 隔离维度 | 策略说明 | 平台实现方式 |
|---|---|---|
| 网络隔离 | 压测集群与被测服务部署于独立 VPC 或命名空间 | 通过 Kubernetes Namespace + NetworkPolicy 实现 |
| 数据隔离 | 使用影子表、独立数据库实例或数据脱敏副本 | 平台提供“数据源绑定”功能，任务模板中声明数据源标识 |
| 流量隔离 | 压测请求携带特殊 Header（如 X-LoadTest: true） | 网关层识别并路由至影子服务，避免污染生产日志 |
下图展示了典型的多环境隔离架构：
常见陷阱： 压测数据写入生产表、压测流量被生产监控误报、压测结束后未清理影子数据。平台应在任务模板中强制声明数据源标识和清理脚本，并在一键执行流程中自动执行清理步骤。
2.4 平台视角的指标与隔离映射
在自助压测平台中，上述基础概念将直接映射为任务模板的配置项：
- 工具选择 → 模板中的
engine.type字段（k6 / jmeter / locust） - 指标阈值 → 模板中的
thresholds段（如http_req_duration[99] < 500） - 环境隔离 → 模板中的
environment.isolation段（namespace、数据源、Header 标识）
# 任务模板示例（YAML 片段）
engine:
type: k6
script: ./scripts/scenario.js
thresholds:
http_req_duration[99]: "< 500"
http_req_failed: "< 0.01"
environment:
isolation:
namespace: loadtest
data_source: shadow_db
traffic_header: "X-LoadTest: true"
通过将压测基础概念固化为模板字段，平台实现了知识工程化——团队成员无需重复理解底层原理，只需填写配置即可执行标准压测任务。