4. 分布式压测场景：架构特点、流量模型与单机压测的区别
在尾延迟压测中，单机压测无法模拟真实分布式环境下的资源竞争、网络抖动与协调开销。分布式压测通过多节点协同施压，能够暴露服务在跨进程、跨网络、跨地域条件下的尾延迟瓶颈。本节从架构、流量模型和差异三个维度展开。
4.1 分布式压测的架构特点
分布式压测系统通常采用 控制节点（Controller） + 工作节点（Worker） 的主从架构，各节点职责明确，通过协调器同步压测状态。
核心架构组件：
- Controller（控制节点）：负责任务分发、参数下发、全局时钟同步、结果汇聚与实时监控。
- Worker（工作节点）：执行具体压测脚本，维护独立连接池与线程组，上报延迟采样。
- Coordinator（协调器）：可选组件，用于跨地域时钟同步（如 NTP 优化版）或分布式锁管理。
- Data Collector（数据收集器）：异步接收各 Worker 的延迟日志，进行分位值计算与持久化。
4.2 流量模型
分布式压测的流量模型不再是单一线程的线性递增，而是多节点、多维度、带时序关系的复合模型。常见的流量模型包括：
| 流量模型 | 描述 | 适用场景 |
|---|---|---|
| 均匀分布模型 | 各 Worker 按固定比例分配 QPS，总 QPS = Σ(Worker_i × 速率) | 基准压测、容量评估 |
| 阶梯递增模型 | 所有 Worker 同步递增速率，每阶段保持稳定后跳变 | 寻找拐点、尾延迟突变检测 |
| 脉冲模型 | 部分 Worker 在特定时间窗口突发高负载，其余保持基线 | 模拟流量尖峰、限流器鲁棒性测试 |
| 时序偏移模型 | 各 Worker 启动时间、速率变化曲线存在相位差 | 模拟真实用户到达模式、全局速率叠加效应 |
实践建议： 在尾延迟压测中，优先使用 阶梯递增模型 配合 时序偏移模型，前者用于定位系统容量边界，后者用于暴露全局速率叠加后的锁竞争与资源饥饿问题。
4.3 与单机压测的核心区别
单机压测与分布式压测在资源隔离、协调开销、数据一致性、尾延迟特征等方面存在本质差异。下表从 7 个关键维度进行对比：
| 对比维度 | 单机压测 | 分布式压测 |
|---|---|---|
| 资源模型 | 单进程/单线程组，共享 CPU 与内存 | 多进程/多节点，资源隔离，存在网络 I/O 开销 |
| 时钟同步 | 系统时钟一致，无需同步 | 依赖 NTP 或硬件时钟同步，偏差影响延迟排序 |
| 速率控制 | 单点令牌桶或漏桶，精确到微秒 | 分布式速率协调，存在同步误差与消息延迟 |
| 尾延迟特征 | 尾延迟主要来自 GC、锁竞争、本地抖动 | 尾延迟叠加网络延迟、跨节点协调、负载不均 |
| 数据收集 | 本地日志，无传输延迟 | 异步上报，存在丢包、乱序、聚合延迟 |
| 故障域 | 单点故障，影响范围可控 | 部分 Worker 故障导致负载倾斜，影响全局分位值 |
| 结果可复现性 | 高，环境固定 | 低，受网络波动、节点调度、时钟偏差影响 |
4.4 分布式压测的速率限制挑战
基于上述架构与流量模型差异，分布式压测中的速率限制面临三个核心挑战：
- 全局速率一致性：各 Worker 独立限速，但总 QPS 必须精确可控，避免因时钟偏差或调度延迟导致速率超调。
- 尾延迟与速率耦合：分布式环境下，速率突增可能引发多个节点的连锁尾延迟放大，单点限速策略失效。
- 协调开销对延迟的影响：分布式速率协调本身引入的同步消息、锁竞争、重试机制，可能成为新的尾延迟来源。
注意： 在分布式压测中，不要直接复用单机压测的速率限制算法（如单机令牌桶）。必须引入 分布式令牌桶、全局速率窗口 或 分层限速 等方案，才能保证压测结果的可靠性与可复现性。