Остановите выводы о мощности сервера, если виртуальный пользователь без пауз бесконечно вызывает один URL. Такой тест отвечает лишь на вопрос, сколько одинаковых запросов можно навязать системе. Он не моделирует логин, переходы, кеш, разные размеры корзин, отказ пользователя, повтор после ошибки и конкуренцию фоновых операций.
Начните не со скрипта, а с одностраничного workload contract: какие потоки существуют, как часто они стартуют, сколько длятся, какие данные читают и какой результат считается успешным. Production-логи можно использовать только в агрегированном или обезличенном виде; копировать реальные токены, персональные параметры и весь сырой URL-поток в тестовую среду нельзя.
Телеметрия превращается в параметры, а не в буквальный replay
| Сигнал из production | Параметр модели | Как сверить |
|---|---|---|
| Старты сессий по минутам | Arrival rate и его профиль | Итерации, начатые за интервал |
| Доли browse, search, checkout | Вес отдельных scenarios | Теги scenario и route |
| Пауза между действиями | Распределение think time | Гистограмма интервалов клиента |
| Размер ответа и корзины | Наборы тестовых данных | Квантили payload size |
| Cache hit ratio | Повторяемость ключей | Метрики cache hit/miss |
| Отказы и повторы | Ограниченная retry policy | Attempts на business operation |
Полный replay часто даже менее реалистичен: устаревшие идентификаторы дают 404, одни и те же ключи перегревают кеш, а исходная причинность теряется. Полезнее сохранить распределения и корреляции. Например, просмотр карточки товара должен использовать ID, который появился в поиске, а checkout — корзину, созданную тем же виртуальным пользователем.
Открытая модель подходит для входящего спроса
В закрытой модели число VU фиксировано: когда сервис замедляется, каждый VU начинает реже стартовать новую итерацию, и нагрузка сама уменьшается. k6 называет constant-arrival-rate открытым executor: новые итерации стартуют независимо от времени ответа. Это ближе к очереди внешних запросов, но требует достаточного числа preAllocatedVUs и ограничения maxVUs.
export const options = {
scenarios: {
browse: { executor: 'constant-arrival-rate', rate: 80, timeUnit: '1s',
duration: '15m', preAllocatedVUs: 120, tags: { flow: 'browse' } },
checkout: { executor: 'ramping-arrival-rate', startRate: 2, timeUnit: '1s',
stages: [{ target: 8, duration: '5m' }, { target: 8, duration: '10m' }],
preAllocatedVUs: 40, tags: { flow: 'checkout' } }
},
thresholds: { 'http_req_failed{flow:checkout}': ['rate<0.01'] }
};Несколько scenarios позволяют запускать разные функции, расписания и теги независимо. Не превращайте это в энциклопедию из двадцати микропотоков: документация k6 отмечает, что сложный тест труднее интерпретировать. Начните с трёх-пяти потоков, которые объясняют большую часть нагрузки, а редкие операции вынесите в отдельную проверку.
Реализм ломается на данных и паузах
- Используйте отдельные тестовые аккаунты и разделяйте read-only и mutable данные, чтобы VU не удаляли сущности друг друга.
- Моделируйте не фиксированную sleep(1), а наблюдаемое распределение с разумными границами и воспроизводимым seed.
- Сохраняйте cold-cache и warm-cache прогоны отдельно: смешанный результат нельзя сравнить с одной production-метрикой.
- Не отключайте клиентские ограничения, которые существуют у реального приложения: пагинацию, debounce поиска, размер batch.
- Повторы после 429 и 5xx должны иметь backoff и лимит, иначе генератор сам создаст retry storm.
- Секреты выдавайте тесту через защищённое окружение, а не в исходном JavaScript и не в отчёте.
Данные должны быть достаточно разнообразны, чтобы не превратить базу в один горячий ключ, но их количество обязано соответствовать масштабу теста. Если сто тысяч VU выбирают из десяти товаров, блокировки и cache hit ratio будут выдуманными. Если каждый запрос создаёт уникальную сущность, кеш, наоборот, никогда не прогреется.
Сначала валидируется генератор, потом сервер
- Проведите короткий прогон с низким rate и проверьте business assertions для каждого потока.
- Сравните распределение routes, размер payload, think time и уникальность данных с workload contract.
- Убедитесь, что load generator не упирается в CPU, сеть или лимит открытых файлов раньше системы под тестом.
- На ступени нагрузки сверяйте requested и achieved iteration rate, количество dropped iterations и фактические VU.
- Только после этого интерпретируйте latency, error rate, saturation и бизнес-пропускную способность сервера.
Итоговая проверка проста: тестовая телеметрия должна описывать задуманный workload до того, как вы смотрите на p95. Если checkout составляет не 5%, а 40%, dropped iterations растут или генератор непрерывно ретраит ошибки, цифры сервера нельзя использовать для capacity plan. Исправляется модель, затем повторяется неизменный эксперимент.