4. 压测场景库设计：压测场景分类、参数化与编排策略

压测场景库是分布式事务压测的核心资产。设计合理的场景库能够覆盖生产环境的真实流量模型，同时暴露接口在正常、异常及边界条件下的行为差异。本节从场景分类、参数化设计、编排组合三个维度展开，构建可复用、可扩展的压测场景体系。

4.1 压测场景分类

根据分布式事务接口的调用特征与故障注入目标，将压测场景划分为三大类：正常场景、异常场景、边界场景。每类场景对应不同的压测目标与断言策略。

4.2 场景参数化设计

参数化设计是场景库可复用的基础。通过将事务 ID、参与者数量、超时时间、重试次数、负载系数等变量抽离为参数，实现“一次编写，多场景运行”。

4.2.1 参数分类与定义

4.2.2 参数化文件示例（YAML）

# scenario_params.yaml
scenarios:
  - name: "normal_3_participants"
    transaction_id: "{{uuid}}"
    participant_count: 3
    timeout_ms: 1000
    retry_max_attempts: 3
    concurrency: 50
    payload_size_kb: 64

  - name: "timeout_edge_500ms"
    transaction_id: "{{uuid}}"
    participant_count: 5
    timeout_ms: 500
    retry_max_attempts: 1
    concurrency: 100
    payload_size_kb: 256

  - name: "high_concurrency_200"
    transaction_id: "{{uuid}}"
    participant_count: 10
    timeout_ms: 2000
    retry_max_attempts: 5
    concurrency: 200
    payload_size_kb: 1024

4.3 场景编排与组合策略

单一场景只能验证局部行为，场景编排通过组合多个原子场景，模拟真实分布式事务的复杂调用链。编排策略分为线性编排、并发编排和条件编排三种模式。

4.3.1 编排模式对比

4.3.2 组合策略设计原则

• 最小原子原则： 每个场景只测试一个维度的变化，避免多变量耦合导致问题定位困难。
• 递增复杂度原则： 从正常场景开始，逐步叠加异常与边界条件，最后执行全链路混合编排。
• 覆盖率优先原则： 优先覆盖事务生命周期中的关键路径（Prepare → Commit/Rollback → Confirm/Cancel）。
• 可观测性原则： 每个编排步骤必须输出明确的断言结果与日志标记，便于故障定位。

4.4 场景库架构总览

下图展示了压测场景库的整体架构，包括场景分类、参数化层、编排引擎与执行结果反馈的闭环关系。

4.5 场景编排示例：分布式事务提交全链路

以下是一个典型的线性编排 + 条件编排组合示例，模拟分布式事务从提交到补偿的完整流程。

# 编排定义：transaction_full_chain.yaml
pipeline:
  - stage: "normal_commit"
    scenario: "normal_3_participants"
    on_success: "verify_consistency"
    on_failure: "compensation_rollback"

  - stage: "verify_consistency"
    scenario: "consistency_check"
    on_success: "end"
    on_failure: "compensation_rollback"

  - stage: "compensation_rollback"
    scenario: "abnormal_timeout_rollback"
    on_success: "end"
    on_failure: "alert_operator"

4.6 场景库质量度量指标