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)。