3. 性能基准与关键指标：延迟、吞吐量、错误率、资源利用率、SLA与SLO定义

在微服务压测闭环中，性能基准是衡量系统当前状态与目标差距的标尺。没有量化的指标，调优就是盲人摸象。本章将系统定义压测闭环必须关注的五大核心指标，并厘清 SLA 与 SLO 这两个常被混淆的概念。

3.1 四大黄金指标

Google SRE 体系将用户最关心的性能维度归纳为“四大黄金信号”：延迟、流量（吞吐量）、错误、饱和度（资源利用率）。在微服务压测中，我们重点关注以下四个可量化指标。

3.2 延迟 (Latency) 的深度理解

延迟是用户体验最直接的映射。在微服务调用链中，延迟会逐层累积。我们需要区分两种延迟测量方式：

• 客户端延迟 (End-to-End)： 用户从发起请求到收到响应的总耗时，包含网络传输、DNS 解析、TLS 握手、服务端处理、排队等所有环节。
• 服务端延迟 (Server-Side)： 服务从接收请求到返回响应的处理耗时，通常通过中间件或拦截器在服务入口和出口埋点测量。

在 Go 微服务中，推荐使用 prometheus/client_golang 的 Histogram 来记录延迟分布：

// 定义延迟直方图，桶边界覆盖 1ms 到 10s
var requestDuration = prometheus.NewHistogramVec(
    prometheus.HistogramOpts{
        Name:    "http_request_duration_seconds",
        Help:    "HTTP request latency in seconds.",
        Buckets: prometheus.DefBuckets, // 默认桶: .005, .01, .025, .05, .1, .25, .5, 1, 2.5, 5, 10
    },
    []string{"method", "path", "status"},
)

// 在 HTTP 中间件中记录耗时
func latencyMiddleware(next http.Handler) http.Handler {
    return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
        start := time.Now()
        next.ServeHTTP(w, r)
        duration := time.Since(start).Seconds()
        requestDuration.WithLabelValues(r.Method, r.URL.Path, "200").Observe(duration)
    })
}

3.3 吞吐量 (Throughput) 与并发模型

吞吐量衡量系统的处理能力。在 Go 中，吞吐量受 Goroutine 调度、GOMAXPROCS、IO 模型 和 锁竞争 的直接影响。

吞吐量与延迟之间存在 Little's Law 关系：

L = λ × W

• L = 系统中平均请求数（并发数）
• λ = 吞吐量（每秒请求数）
• W = 平均延迟（秒）

这意味着：在并发数固定的情况下，延迟增加会直接导致吞吐量下降。压测时，我们通常通过 阶梯式增加并发 来找到系统的最大吞吐量拐点。

3.4 错误率 (Error Rate) 的分类与阈值

错误率不是简单的“请求失败”。在微服务架构中，我们需要按层级分类：

压测时，建议将 错误率阈值 设定为 0.1%（千分之一）作为基准线。超过此值应立即停止压测并分析根因。

3.5 资源利用率 (CPU / MEM / IO / Goroutine)

资源利用率是判断系统是否达到 饱和点 的关键。在 Go 微服务中，除了传统的 CPU 和内存，还需要特别关注 Goroutine 数量 和 GC 停顿。

• CPU 利用率： 建议目标 70% - 80%。超过 85% 后，延迟会因 CPU 调度竞争而急剧上升。
• 内存利用率： 关注 Heap Inuse 和 GC 频率。高内存使用率会导致频繁 GC，增加 STW 时间。
• 磁盘 I/O： 关注 iowait 和 磁盘队列长度。高 iowait 通常意味着磁盘成为瓶颈。
• Goroutine 数量： 异常增长的 Goroutine 数量（如泄漏）会消耗栈内存并降低调度效率。

3.6 SLA 与 SLO 的定义与区别

在性能工程中，SLA (Service Level Agreement) 和 SLO (Service Level Objective) 是定义“好”与“坏”的契约。压测的最终目的是验证系统是否满足 SLO。

3.7 压测基准的设定方法

建立性能基准需要遵循以下步骤：

1. 确定负载模型： 根据生产流量特征，定义压测的请求类型、并发数、请求体大小、思考时间等。
2. 设定 SLO 阈值： 与业务方和 SRE 团队协商，确定 P99 延迟、吞吐量、错误率、资源利用率的可接受范围。
3. 执行基准压测： 在隔离环境中，以固定并发数（如 100、500、1000 RPS）运行压测，记录 SLI。
4. 建立基线报告： 将 SLI 数据持久化，作为后续调优的对比基准。
5. 持续校准： 每次代码变更或架构调整后，重新执行基准压测，确保性能没有回退。