服务可以在 1,000 会话/秒下平稳运行十分钟,也可能在相同峰值的第一秒被冷缓存和扩容时差拖垮。试验的负载形状决定了容量数字能代表哪类事件。阶梯、脉冲和长稳测试各自观察不同的时间尺度。

一条曲线测稳态,另一条测变化

阶段 施压方式 要回答的问题
预跑 极低流量,逐条核对终态 路由、断言、监控与停压是否可用
预热 按实际活动前的方式准备会话、缓存和连接 活动开始时处于哪一种热态
阶梯与稳压 逐级加到若干平台,每段保持固定输入 哪一级开始违反 SLO,哪个队列最先增长
峰值脉冲与长稳 分两次跑突然跃升、目标负载持续运行 峰值是否越过扩容时间,长跑是否累积债务
减压与恢复 回到背景负载并持续观察 积压、拒绝、延迟和资源何时恢复

预跑需要在可控规模下完整走链。预热只在正式场景确实具备预热时把系统推入相同状态,不能抹平一个本就要承受的冷启动。冷、热两组分开留结果。提前登录同理,如果活动规则让大部分用户事先在线,可以预建会话;如果到点才开放入口,登录峰值就属于场景本身。

对虚构交易,可以先按 400、700、1,000 会话/秒跑阶梯,在每个平台等到预定的稳定窗,再用独立运行从背景流量突然升到 1,000。平台持压多久要由目标窗口、队列排空、扩容和后台维护周期决定。某个阶段尚在扩容,曲线该标作过渡期,稳态数据另开窗口。长稳运行要覆盖怀疑中的周期任务、缓存过期或资源泄漏,十分钟平稳能回答短时 SLO,无法推导数小时的形态。

校验扩容前的缺口

自动扩容从出现信号到实例接入流量,中间会经历指标采样、控制周期、调度启动、就绪和缓存恢复。扩容已触发时,资源可以仍未提供处理能力。压测应同时记录触发时刻、新实例开始接单的时刻和吞吐恢复的时刻。Kubernetes HPA 工作机制

假设负载跳到每秒 80 笔逻辑订单,现有处理能力只有 60,20 秒后新资源开始提供容量。若持续受理且其余条件不变,扩容前额外进入队列的工作约有 400 笔。扩容后每秒能完成 100 笔,背景需求保持 80,排空还要约 20 秒。SLO 是 2 秒时,扩容完成时间和超时订单数量必须一起看。提前扩容会改变供给。收紧活动范围或分批放量会改变需求曲线。通过相同业务混合下的脉冲试验,可以比较这几种方案的超时率与积压。

过载保护也有验收条件

过载试验应观察新请求到达、核心业务有效吞吐、拒绝原因和最长等待。简单的目标是超过供给后,低优先级工作被有界地拒绝,核心业务仍能完成,输入回落后系统恢复。立即拒绝也消耗资源,因此拒绝效果需要在压测中证明。重试应有上限、退避与随机抖动,额外尝试量要实测。假设调用链的三层都对每次失败最多做两次重试,若每次上层尝试都触发完整的下层重试,最底层最多会收到 3³ 次尝试。把重试留在知道业务语义、且可以用幂等键约束的层有助于降低放大。AWS 关于过载保护 · AWS 关于超时与重试

早期大促笔记把取消限流后继续摸高列为一种实验。可以在隔离环境里单测这样的技术上限。共享生产应保留经评审的保护、限定流量及运行时长,在预定阈值内验证目标容量、保护和恢复。两组结果分别报保护配置和适用范围,避免拿无保护的实验数字给有保护的生产背书。如何做全链路压测 · Google SRE 过载与级联故障

发压停止后还要测到业务恢复

运行负责人应能从调度器之外关闭发压入口或吊销运行身份。超过正常用户的 SLO 护栏、正式侧出现测试写入、下游积压超过约定限制、关键监控失联,都可以是事先写入值守手册的停压条件。停压操作需要预跑验证,记录信号何时出现、开关何时执行,以及入口何时确认无新增测试请求。

停止新增工作后,保留按运行编号观察已受理订单、任务重试和死信的能力。记录业务指标回到基线且队列不再增长的时间,等待残留得到终态或按规则隔离,再清理测试数据。压测工具显示退出,只能证明调度流程结束。保障流程里的值守、预案和复盘,需要一直覆盖到用户侧与后台恢复。活动保障性体系建设和实践的总结

系列导航

上一篇 系列目录 下一篇
流量染色、影子数据与副作用隔离 深入压测 怎样从监控证据定位瓶颈