k6 性能压测

解决什么问题

团队发布后才发现性能回归，压测脚本难维护，或缺少统一标准判断瓶颈。手动压测易漏场景，阈值设置不合理导致 CI 频繁失败或放过劣化。

核心能力

• 四个生产级模板：smoke.js 冒烟验证、stress.js 阶梯加压找拐点、login-flow.js 业务流模拟、api-mix.js 混合流量按权重+突发
• 关键步骤：先跑 30 秒冒烟确认脚本可用，再阶梯加压定位 p95 与错误率突变点，接着按业务选择模板，最后记录 p95/p99/错误率作基线
• 阈值自动判定：threshold 不达标时 k6 退出码非 0，CI 直接失败；check 仅断言不阻断
• 指标定位：通过 http_req_waiting 与 http_req_connecting 区分服务端慢或网络慢

适用边界与注意点

• 适用：上线前/改动后回归、大促容量评估、登录→下单链路、多接口混合流量、CI 卡门
• 不适用：极简 GET 压测（用 ab/wrk）、GUI 编排（用 JMeter）、gRPC/Kafka/WebSocket 协议层
• 必做：先在 staging 测试，生产压测需运维同意；首次跑 VU 从 10-20 起步，第一段 stages ≥30s 暖机；跑两次取稳定值；WAF 需加白名单
• 禁忌：永远先跑 smoke；sleep 不低于 0.5s；勿压生产环境；threshold 按业务可接受标准设，非理论最优值

输出与扩展

• stdout 输出 指标名: 值，--summary-export=summary.json 导出 p50/p90/p95/p99
• 进阶：GitHub Actions 接 smoke.js、k6+InfluxDB+Grafana 监控、k6-operator 分布式压测