效能測試入門指南：從負載測試到壓力測試的完整教學

1. 為什麼需要效能測試

2. 效能測試的四種類型

3. 效能測試的關鍵指標

• 回應時間 (Response Time)

  P50（中位數）、P95、P99 分位數。P99 比平均值更能反映真實用戶體驗

• 吞吐量 (Throughput)

  每秒處理的請求數 (RPS)。代表系統的處理能力

• 錯誤率 (Error Rate)

  失敗請求的比例。負載增加時錯誤率不應急速上升

• 併發用戶數 (Concurrent Users)

  同時在線的用戶數量

• 資源使用率

  CPU、記憶體、磁碟 I/O、網路頻寬的使用情況

4. 三大效能測試工具比較

• 優點

  GUI 操作直覺、外掛豐富、支援多種協定（HTTP、FTP、JDBC、SOAP）

• 缺點

  Java 寫的比較吃資源、腳本維護成本高、不適合版本控制

• 適合

  入門學習、需要 GUI 操作、非工程師背景的 QA

• 優點

  腳本用 JS 撰寫易讀易維護、CLI 執行適合 CI/CD、資源消耗低

• 缺點

  只支援 HTTP/WebSocket/gRPC、不支援 GUI 錄製

• 適合

  現代 Web API 測試、CI/CD 整合、有程式背景的 QA

• 優點

  Python 生態系豐富、分散式執行容易、Web UI 即時監控

• 缺點

  Python GIL 限制單機效能、需要 Python 知識

• 適合

  Python 技術棧團隊、需要複雜用戶行為模擬

5. 效能測試實戰流程

• 首頁載入時間必須在 2 秒內（P95）

  首頁載入時間必須在 2 秒內（P95）

• API 回應時間必須在 200ms 內（P99）

  API 回應時間必須在 200ms 內（P99）

• 系統必須支撐同時 5000 位用戶

  系統必須支撐同時 5000 位用戶

• 錯誤率必須低於 0.1%

  錯誤率必須低於 0.1%

• 硬體規格應與生產環境一致（或按比例縮小並換算）

  硬體規格應與生產環境一致（或按比例縮小並換算）

• 資料庫要有接近真實量級的測試資料

  資料庫要有接近真實量級的測試資料

• 關閉不必要的監控與日誌，避免干擾結果

  關閉不必要的監控與日誌，避免干擾結果

• 分析生產環境的流量模式（哪些 API 最常被呼叫）

  分析生產環境的流量模式（哪些 API 最常被呼叫）

• 定義用戶行為路徑（瀏覽首頁 → 搜尋 → 查看商品 → 加入購物車）

  定義用戶行為路徑（瀏覽首頁 → 搜尋 → 查看商品 → 加入購物車）

• 設定合理的思考時間（用戶在頁面停留的時間）

  設定合理的思考時間（用戶在頁面停留的時間）

• 準備測試資料（不同帳號、不同商品）

  準備測試資料（不同帳號、不同商品）

• 使用 Grafana + Prometheus 監控伺服器指標

  使用 Grafana + Prometheus 監控伺服器指標

• 觀察資料庫慢查詢日誌

  觀察資料庫慢查詢日誌

• 記錄應用程式日誌中的錯誤

  記錄應用程式日誌中的錯誤

• 注意垃圾回收（GC）頻率與暫停時間

  注意垃圾回收（GC）頻率與暫停時間

• 比較實際數據與效能目標的差距

  比較實際數據與效能目標的差距

• 找出瓶頸點（是 CPU、記憶體、資料庫還是網路）

  找出瓶頸點（是 CPU、記憶體、資料庫還是網路）

• 提出具體的優化建議與優先順序

  提出具體的優化建議與優先順序

• 記錄基準數據，作為後續迴歸比較的基礎

  記錄基準數據，作為後續迴歸比較的基礎

6. 常見效能瓶頸與解法

• 資料庫查詢慢

  加索引、優化查詢、使用快取

• 記憶體洩漏

  用 profiler 找出洩漏點，檢查未釋放的資源

• 連線池耗盡

  調整連線池大小、檢查連線是否正確歸還

• CPU 滿載

  找出 CPU 密集型操作，考慮非同步處理或水平擴展

7. 常見問題 FAQ