压力测试（Stress Testing）是性能测试的一种，旨在评估系统在极端负载条件下的表现，验证其稳定性、可靠性和容错能力。通过模拟超出正常范围的并发用户、数据量或请求频率，发现系统在高负载下的瓶颈（如内存泄漏、响应超时、崩溃等），为优化和扩容提供依据。
一、压力测试的核心目标
确定系统极限：找到系统崩溃的临界点(如最大并发用户数、吞吐量阈值)。
验证容错能力：检查系统在过载时是否能优雅降级(如返回友好错误提示而非直接崩溃)。
评估恢复能力：测试系统在压力释放后能否自动恢复正常运行。
发现潜在缺陷：如内存泄漏、线程死锁、数据库连接池耗尽等问题。
二、压力测试的常用方法
1. 基准测试(Baseline Testing)
定义：在无负载或低负载下测试系统的基础性能指标(如响应时间、吞吐量)。
目的：建立性能基准，作为后续压力测试的对比参考。
工具示例：JMeter、Locust 的单用户测试模式。
2. 负载递增测试(Step Load Testing)
方法：逐步增加用户量或请求频率(如每分钟增加100用户)，观察系统性能变化。
关键指标：
响应时间：随负载增加是否线性增长或突然飙升。
错误率：是否出现超时或5xx错误。
资源占用：CPU、内存、磁盘I/O是否达到阈值。
工具示例：JMeter 的 Step Thread Group、`LoadRunner** 的逐步加载功能。
3. 峰值测试(Spike Testing)
方法：模拟突发流量(如秒杀活动)，瞬间将负载提升至极高水平(如从0用户直接跳到10万用户)。
目的：验证系统能否处理流量洪峰，避免雪崩效应。
工具示例：Locust** 的 hatch_rate` 参数控制用户生成速率。
4. 持久性测试(Endurance Testing)
方法：长时间(如24小时以上)维持高负载，检查系统是否因资源耗尽(如内存泄漏)而崩溃。
关键点：监控内存、数据库连接等资源是否持续增长。
工具示例：`JMeter** 的 Runtime Controller 结合定时任务。
5. 极限测试(Breakpoint Testing)
方法：持续增加负载直到系统崩溃，记录崩溃时的临界值(如最大并发数)。
目的：明确系统容量上限，为扩容提供数据支持。
工具示例：`Gatling** 的 ramp-up 策略结合循环测试。
6. 混合场景测试(Mixed Scenario Testing)
方法：模拟真实用户行为，混合不同操作(如浏览、搜索、下单)的比例和频率。
目的：验证系统在复杂业务场景下的稳定性。
工具示例：`JMeter** 的 Thread Group 结合 Random Timer 和 HTTP Request Defaults。
7. 分布式压力测试(Distributed Testing)
方法：通过多台机器同时发起请求，模拟超大规模并发(如百万级用户)。
关键点：
使用云服务(如AWS、阿里云)快速扩展测试节点。
确保时间同步(如NTP服务)避免请求时间偏差。
工具示例：JMeter** 的 Master-Slave 模式、Tsung**(分布式专用工具)。
三、压力测试的流程
需求分析：明确测试目标(如支持10万并发、响应时间<2秒)。
脚本编写：录制或编写测试脚本(如HTTP请求、数据库操作)。
环境准备：部署与生产环境一致的测试环境(包括硬件、网络、中间件)。
执行测试：按计划逐步增加负载，记录性能数据。
结果分析：
生成性能报告(如平均响应时间、错误率、资源占用)。
使用图表(如折线图、柱状图)直观展示瓶颈。
优化与验证：根据测试结果优化代码或配置(如数据库索引、缓存策略)，并重新测试验证效果。
四、常用压力测试工具
JMeter:开源免费，支持HTTP/FTP/数据库等协议，适合API和Web测试。
Locust:基于Python代码，支持分布式，适合模拟复杂用户行为。
Gatling:高性能(基于Scala)，生成HTML报告，适合高并发场景。
LoadRunner:商业工具，功能全面，支持多种协议，但成本较高。
Tsung:分布式专用工具，适合超大规模压力测试(如百万级并发)。
wrk:轻量级HTTP压力测试工具，适合快速测试接口性能。
五、压力测试的注意事项
避免影响生产环境：务必在隔离的测试环境执行，防止真实用户受影响。
监控全面：除响应时间外，还需监控服务器资源(CPU、内存、磁盘I/O、网络带宽)。
数据准备：使用足够大的测试数据集(如百万级用户数据)，避免数据量不足导致误判。
逐步加压：避免直接以极限负载启动，防止系统瞬间崩溃。
结合日志分析：通过日志定位性能瓶颈(如慢查询、锁等待)。
