1. 容量水位概念
1.1 什么是容量水位
容量水位（Capacity Water Level）是性能工程中用于描述系统当前负载程度与资源消耗状态的量化指标集合。它借鉴了水利工程中“水位”的概念——水位越高，系统承受的压力越大，越接近溢出的临界点。
在 JMeter 性能测试中，容量水位通常由以下核心指标共同定义：
| 指标维度 | 典型度量 | 水位含义 |
|---|---|---|
| 吞吐量 | TPS / RPS | 系统每秒处理的事务数，水位越高吞吐量越大 |
| 并发用户数 | Active Threads | 同时在线或同时请求的用户数量 |
| 响应时间 | Avg / P95 / P99 | 请求从发出到收到响应的时间，水位升高时响应时间通常上升 |
| 资源利用率 | CPU / 内存 / 磁盘 IO / 网络 | 硬件资源被消耗的比例，水位越高利用率越接近饱和 |
| 错误率 | Error % | 请求失败的比例，水位超过阈值时错误率急剧上升 |
核心认知：容量水位不是单一数值，而是一个多维状态向量。只有同时观察吞吐量、响应时间、资源利用率和错误率，才能准确判断系统当前处于哪个水位区间。
根据水位高低，通常将系统状态划分为三个区间：
- 安全水位（绿色区）：系统运行平稳，响应时间在 SLA 以内，资源利用率低于 60%，错误率接近 0%。
- 警戒水位（黄色区）：响应时间开始明显上升，资源利用率在 60%~85% 之间，偶发错误但可自动恢复。
- 危险水位（红色区）：响应时间急剧恶化，资源利用率超过 85%，错误率持续攀升，系统面临崩溃风险。
1.2 为什么需要水位断言
传统的 JMeter 断言（如响应断言、JSON 断言）只验证单个请求的正确性，无法回答一个关键问题：系统在多大压力下仍然是健康的？容量水位断言正是为了解决这个盲区而设计。
水位断言的核心价值体现在以下四个方面：
| 价值维度 | 传统断言 | 水位断言 |
|---|---|---|
| 验证范围 | 单次请求的功能正确性 | 整体负载下的容量健康度 |
| 判断依据 | 响应内容、状态码 | TPS、响应时间、资源利用率、错误率 |
| 测试阶段 | 功能测试、回归测试 | 容量测试、压力测试、稳定性测试 |
| 输出结果 | 通过/失败 | 水位等级 + 量化指标 + 瓶颈定位 |
实战场景：假设某电商系统 SLA 要求 P99 响应时间 < 500ms，错误率 < 1%。当并发用户数从 100 增加到 500 时，传统断言只能告诉你每个请求是否返回 200，而水位断言能告诉你：
✅ 在 300 并发时，P99 = 320ms，错误率 = 0.2%，水位安全
⚠️ 在 400 并发时，P99 = 480ms，错误率 = 0.5%，水位警戒
❌ 在 500 并发时，P99 = 920ms，错误率 = 3.8%，水位危险
✅ 在 300 并发时，P99 = 320ms，错误率 = 0.2%，水位安全
⚠️ 在 400 并发时，P99 = 480ms，错误率 = 0.5%，水位警戒
❌ 在 500 并发时，P99 = 920ms，错误率 = 3.8%，水位危险
水位断言让性能测试从“功能验证”升级为容量健康度评估，为以下决策提供数据支撑：
- 容量规划：系统最多能支撑多少并发用户？
- 弹性伸缩：何时触发自动扩容？
- 发布准入：新版本上线后容量是否达标？
- 故障预警：生产环境是否已进入警戒水位？
1.3 水位与性能瓶颈的关系
性能瓶颈（Performance Bottleneck）是指系统中限制整体吞吐量或导致响应时间恶化的最弱环节。容量水位与性能瓶颈之间存在明确的对应关系：
- 水位上升 → 瓶颈暴露：低负载时系统表现正常，随着水位升高，资源竞争加剧，瓶颈环节逐渐显现。
- 瓶颈位置 → 水位特征：不同类型的瓶颈会在水位指标上留下独特的“指纹”，通过分析水位变化曲线可以反推瓶颈类型。
- 水位阈值 → 瓶颈临界点：每个系统都有其瓶颈临界水位，超过该水位后性能指标会急剧恶化。
关键认知：水位断言的核心目标不是“避免进入危险水位”，而是精确识别危险水位的触发点。只有知道系统在什么水位下会崩溃，才能制定合理的容量规划、限流策略和弹性伸缩规则。水位断言模板就是为这个目标而生的自动化工具。
在实际性能测试中，水位与瓶颈的关系可以通过以下步骤系统性地识别：
- 阶梯加压：以固定步长逐步增加并发用户数或吞吐量。
- 实时监控：同步采集 TPS、响应时间、资源利用率、错误率等水位指标。
- 拐点检测：观察指标曲线的突变点，这些点通常对应瓶颈临界水位。
- 瓶颈定位：结合资源利用率数据，确定是哪个资源先达到饱和。
- 阈值固化：将拐点对应的指标值写入水位断言模板，作为后续测试的判定依据。