壓力測試（Stress Testing）是性能測試的一種，旨在評估系統在極端負載條件下的表現，驗證其穩定性、可靠性和容錯能力。通過模擬超出正常范圍的并發用戶、數據量或請求頻率，發現系統在高負載下的瓶頸（如內存泄漏、響應超時、崩潰等），為優化和擴容提供依據。

一、壓力測試的核心目標

確定系統極限：找到系統崩潰的臨界點(如最大并發用戶數、吞吐量閾值)。

驗證容錯能力：檢查系統在過載時是否能優雅降級(如返回友好錯誤提示而非直接崩潰)。

評估恢復能力：測試系統在壓力釋放后能否自動恢復正常運行。

發現潛在缺陷：如內存泄漏、線程死鎖、數據庫連接池耗盡等問題。

二、壓力測試的常用方法

1. 基準測試(Baseline Testing)

定義：在無負載或低負載下測試系統的基礎性能指標(如響應時間、吞吐量)。

目的：建立性能基準，作為后續壓力測試的對比參考。

工具示例：JMeter、Locust 的單用戶測試模式。

2. 負載遞增測試(Step Load Testing)

方法：逐步增加用戶量或請求頻率(如每分鐘增加100用戶)，觀察系統性能變化。

關鍵指標：

響應時間：隨負載增加是否線性增長或突然飆升。

錯誤率：是否出現超時或5xx錯誤。

資源占用：CPU、內存、磁盤I/O是否達到閾值。

工具示例：JMeter 的 Step Thread Group、`LoadRunner** 的逐步加載功能。

3. 峰值測試(Spike Testing)

方法：模擬突發流量(如秒殺活動)，瞬間將負載提升至極高水平(如從0用戶直接跳到10萬用戶)。

目的：驗證系統能否處理流量洪峰，避免雪崩效應。

工具示例：Locust** 的 hatch_rate` 參數控制用戶生成速率。

4. 持久性測試(Endurance Testing)

方法：長時間(如24小時以上)維持高負載，檢查系統是否因資源耗盡(如內存泄漏)而崩潰。

關鍵點：監控內存、數據庫連接等資源是否持續增長。

工具示例：`JMeter** 的 Runtime Controller 結合定時任務。

5. 極限測試(Breakpoint Testing)

方法：持續增加負載直到系統崩潰，記錄崩潰時的臨界值(如最大并發數)。

目的：明確系統容量上限，為擴容提供數據支持。

工具示例：`Gatling** 的 ramp-up 策略結合循環測試。

6. 混合場景測試(Mixed Scenario Testing)

方法：模擬真實用戶行為，混合不同操作(如瀏覽、搜索、下單)的比例和頻率。

目的：驗證系統在復雜業務場景下的穩定性。

工具示例：`JMeter** 的 Thread Group 結合 Random Timer 和 HTTP Request Defaults。

7. 分布式壓力測試(Distributed Testing)

方法：通過多臺機器同時發起請求，模擬超大規模并發(如百萬級用戶)。

關鍵點：

使用云服務(如AWS、阿里云)快速擴展測試節點。

確保時間同步(如NTP服務)避免請求時間偏差。

工具示例：JMeter** 的 Master-Slave 模式、Tsung**(分布式專用工具)。

三、壓力測試的流程

需求分析：明確測試目標(如支持10萬并發、響應時間<2秒)。

腳本編寫：錄制或編寫測試腳本(如HTTP請求、數據庫操作)。

環境準備：部署與生產環境一致的測試環境(包括硬件、網絡、中間件)。

執行測試：按計劃逐步增加負載，記錄性能數據。

結果分析：

生成性能報告(如平均響應時間、錯誤率、資源占用)。

使用圖表(如折線圖、柱狀圖)直觀展示瓶頸。

優化與驗證：根據測試結果優化代碼或配置(如數據庫索引、緩存策略)，并重新測試驗證效果。

四、常用壓力測試工具

JMeter:開源免費，支持HTTP/FTP/數據庫等協議，適合API和Web測試。

Locust:基于Python代碼，支持分布式，適合模擬復雜用戶行為。

Gatling:高性能(基于Scala)，生成HTML報告，適合高并發場景。

LoadRunner:商業工具，功能全面，支持多種協議，但成本較高。

Tsung:分布式專用工具，適合超大規模壓力測試(如百萬級并發)。

wrk:輕量級HTTP壓力測試工具，適合快速測試接口性能。

五、壓力測試的注意事項

避免影響生產環境：務必在隔離的測試環境執行，防止真實用戶受影響。

監控全面：除響應時間外，還需監控服務器資源(CPU、內存、磁盤I/O、網絡帶寬)。

數據準備：使用足夠大的測試數據集(如百萬級用戶數據)，避免數據量不足導致誤判。

逐步加壓：避免直接以極限負載啟動，防止系統瞬間崩潰。

結合日志分析：通過日志定位性能瓶頸(如慢查詢、鎖等待)。