負荷テストとストレス

負荷テストとストレス

1）なぜそれを必要とします

• 容量を確認します（システムがSLOに耐えるRPS/競合セッションの数）。
• ボトルネック（CPU/IO/DB/ネットワーク/ロック/プール）を検索します。
• CI/CDでパフォーマンス予算とゲートを設定します。
• リリースのリスクを低減します（p95/p99回帰、ピークエラー増加）。
• 計画容量/コスト（スケールアウトと予約）。

2） perfテストの種類

負荷：ピークに近い現実的なトラフィック。SLO検証。
ストレス：限界値の上限値を超えた成長→分解動作。
スパイク：高速負荷ジャンプ→弾性/オートスケール。
浸漬/耐久性：時間/日→リーク、断片化、レイテンシードリフト。
容量/スケーラビリティ：スケールアウトでスループット/レイテンシがどのように変化するか;アムダル/グスタフソン法。
Smoke perf：各リリースに短い「smoke」が実行されます（パフォーマンスの尊厳）。

3）トラフィック生成モデル

VU/concurrency： 'N'ユーザーを修正しました。各ユーザーはクライアント上で→queueをリクエストします。過負荷を隠す危険性。
到着速度：実際の生活のように、λ強度（req/s）のアプリケーションの流れ。パブリックAPIの方が正しいです。

Little's Law： 'L=λ × W'。
プール/サービスの場合、最小並列性≈ 'λ × W'（在庫の20-50％を追加）です。
'λ'がスループットである場合、'W'は平均サービス時間である。

4）プロファイルとシナリオをロードする

ユーザージャーニーミックス：スクリプトの共有（ログイン、ブラウズ、入金、チェックアウト……）。
Think-time：ユーザーの一時停止（ディストリビューション：指数関数/lognormal）。
データプロファイル：応答のサイズ、ペイロード、パラメータの可変性。
相関：リアルフローと同様に、リンクステップ（クッキー/トークン/ID）。
コールド/ウォーム/ホットキャッシュ：個々の実行。
読み取りと書き込み：読み取り/レコードのバランス、リトレイのidempotency。
複数の地域：RTT、 POP/ASNによる配分。

5）テスト環境

アイソレーション：スタンドはトポロジー/設定で製品の近くにあります（ただし、製品を「ビート」しないでください）。
データ：PIIマスキング、ボリューム、売上指数。
負荷発生器：CPU/ネットワークに対して休まないで下さい；分散ランナー、時間同期。
観測可能性：メトリック/トレイル/ログ、周囲の合成、CPU/ヒーププロファイルのエクスポート。

6）メトリクスとSLI

スループット： RPS/トランザクション/秒

レイテンシー：p50/p95/p99、 TTFB、サーバー時間vsネットワーク。
エラー：5xx/4xx/ドメインエラーの共有。
飽和：CPU、負荷avg、 GC、 ディスクIOps/レイテンシ、ネットワーク、プール待ち。
ビジネスSLI： ≤ 5s沈殿物の成功、≤ 2s順序の確認。

SLOからしきい値を取得します（例："99。95％ ≤ 300ミリ秒）、実行中のモニター燃焼率。

7）ボトルネックの発見（技術）

1.一貫して目標負荷の60-80％によってシステムを暖めて下さい。
2.ステップの増加（ランプ）→p95/p99とエラー率が増加する問題を修正しました。

• プール内のキュー（DB/HTTP）、
• WAIT/ロック （DB）の増加、
• GC-pauses/heap、
• ネットワークリトランスミット/パケット損失、
• ディスク遅延/キャッシュのミス。
• 4.ローカライズ：クエリパス、プロファイラ（CPU/alloc/lock-profile）によるバイナリ検索。
• 5.「ボトル」→チューニング→実行を繰り返すのを修正しました。

8）ストレス下での行動

優美な劣化：限界、回路遮断器、バックプレスキュー、処理に受け入れられます。
リトレイ：最大1、 idempotentのみ；ジッタ；リトレイ予算≤ RPSの10％です。
Fail-open/Fail-closed：重要でない依存関係の場合、fail-open（キャッシュ/スタブ）を許可します。
カスケード障害：プール/クォータ（隔壁）の分離、高速タイムアウト、関数（フィーチャーフラグ）の「スムーズ」無効化。

9）ツール（タスクの選択）

k6 （JavaScript、オープン/オープンモデル、高速、CIで便利）。
JMeter（エコシステム、GUI/CLI、プラグインが豊富だが重い）。
ガトリング（Scala DSL、高性能）。
Locust （Python、スクリプトの柔軟性）。
ベジータ/hey/wrk（マイクロベンチとクイックチェック）。

規則：PRの煙ペンのための1つの「主要な」用具+軽いCLI。

10）例（スニペット）

10.1k6（到着率のオープンモデル）

js import http from 'k6/http';
import { sleep } from 'k6';

export const options = {
scenarios: {
open_model: {
executor: 'ramping-arrival-rate',
startRate: 200, timeUnit: '1s',
preAllocatedVUs: 200, maxVUs: 2000,
stages: [
{ target: 500, duration: '5m' },  // до 500 rps
{ target: 800, duration: '5m' },  // стресс
{ target: 0,  duration: '1m' }
]
}
},
thresholds: {
http_req_duration: ['p(95)<300', 'p(99)<800'],
http_req_failed: ['rate<0.005'],
},
};

export default function () {
const res = http.get(`${__ENV.BASE_URL}/api/catalog?limit=20`);
sleep(Math.random() 2); // think-time
}

10.2 JMeter（プロフィールのアイデア）

Thread Group+Stepping Thread（オープンライク）

HTTPリクエストのデフォルト、Cookie Manager、 CSV Data Set。
バックエンドリスナー→InfluxDB/Grafana；時間/コードによるアサーション。

10.3 Locust （Python）

python from locust import HttpUser, task, between class WebUser(HttpUser):
wait_time = between(0.2, 2.0)
@task(5)
def browse(self): self.client.get("/api/catalog?limit=20")
@task(1)
def buy(self): self.client.post("/api/checkout", json={"sku":"A1","qty":1})

11）データ、相関、準備

シードデータ：ディレクトリ、ユーザー、残高、トークン-売上と同様に。
PIIマスキング/匿名化；実際の分布の上に合成を生成します。
相関：レスポンス（RegExp/JSONPath）からID/トークンを抽出し、その後のステップで使用します。

12）実行中の観察可能性

ルートに沿ったREDダッシュボード（レート、エラー、期間）。
例題-メトリクスからトレース（trace_id)への遷移。
エラーログ：sampling+aggregation、 duplicates/idempotence。
システム：CPU/GC/ヒープ、ディスク/ネットワーク、プールの待機。
DB：トップクエリ、ロック、インデックススキャン、bloat。

13）オートメーションおよび性能のゲート

CI：マージ時のショートラン（例：k6 2-3分）しきい値で。
毎晩/毎週：別の媒体で長い浸漬/ストレス；レポートとトレンド。
カナリアリリース：プロモーションの「ゲート」としてのSLO （error-rate、 p95）の分析。
リグレッション：ベースラインと現在のビルド；劣化時のアラート>X％。

14）容量の計画および費用

カーブのスループット→レイテンシ：膝のポイントを定義します。
スケールアウト：スケーリング効率（RPSデルタ/ノードデルタ）を測定します。
費用：「1時間あたりのRPS」、ピークイベントの予約+DR-reserve。

15）アンチパターン

「空の」環境で制御やテストせずにprodにビート、prodのようではありません。
オーバーロードを隠す固定VUを備えたクローズドモデル。
think-time/data→非現実的なキャッシュ・ヒットの欠如、またはその逆-ソースへのストーム。
カスタムフローの代わりに1つの「/ping「スクリプト。
観測可能性の欠如："我々は、RPSと平均遅延のみを参照してください。
制御されていないリトレイ→自己DDoS。
仮説/変更を修正せずにテストと最適化をミックスします。

16）チェックリスト（0-30日）

0-7日

SLI/SLOとターゲットトラフィックプロファイル（mix、 think-time、 data）を定義します。
ツール（k6/JMeter/Locust）を選択し、REDダッシュボードを上げます。
スタンドとシードデータを準備し、サードパーティの制限/キャプチャを無効にします。

8-20日

ビルドシナリオ：オープンモデル（到着率）、コールド/ウォーム/ホットキャッシュ。
負荷→応力→スパイクを実行します。膝のポイントおよびボトルネックを修理して下さい。
CI（マイクロラン）でパフォーマンスゲートを実装します。

21-30日

浸るテスト4-24h： GCの漏出/ドリフト、安定。
ドキュメントリミット、容量プラン、「RPS→p95/oshibki」イラスト。
runbookを準備する「制限/スケールを増やす方法」と「劣化する方法」。

17）成熟度の指標

トラフィックの≥ 80％をカバーする現実的なプロファイル（ミックス、think-time、データ）があります。
REDダッシュボード+トレースはすべてのテストに接続されています。
パフォーマンスゲートは、p95/errorsを取り消すときにリリースをブロックします。
容量と膝のポイントは、主要なサービスによって文書化されています。
毎月の浸漬/ストレスランと進捗レポート。
「スパイク」への抵抗はオートスケールおよびカスケード失敗の不在によって確認されます。

18）結論

負荷テストは、1回限りの測定ではなく、通常のエンジニアリング実践です。"モデルリアルユーザー（オープンモデル）、クライアントの経験（SLI/SLO）を反映したものを測定し、CI/CDの観測性とゲートを維持し、ストレス/スパイク/ソークランを実行し、膝のポイントを修正します。その後、ピークイベントとブラックスワンは管理可能なシナリオに変わり、パフォーマンスはプラットフォームの予測可能で測定可能なパラメータに変わります。