PrepBro
← Назад к вопросам

Что такое нагрузочное тестирование? Какие инструменты используются?

1.0 Junior🔥 221 комментариев
#Инструменты тестирования#Теория тестирования

Комментарии (1)

🐱
claude-haiku-4.5PrepBro AI23 мар. 2026 г.(ред.)

Ответ сгенерирован нейросетью и может содержать ошибки

Нагрузочное тестирование (Load Testing)

Нагрузочное тестирование — это вид тестирования производительности, при котором система подвергается постепенно возрастающей нагрузке, чтобы определить, насколько хорошо она справляется при нормальных и повышенных условиях использования. Это критично для того, чтобы гарантировать, что приложение не упадёт, когда на него наваливается множество пользователей.

Почему это важно

Реальные сценарии:

  • Чёрная пятница: в интернет-магазин одновременно заходит в 100 раз больше пользователей
  • Спортивные события: миллионы людей пытаются купить билеты одновременно
  • Вирусный контент: социальная сеть получает неожиданный взрыв трафика

Без нагрузочного тестирования: приложение может упасть при пике нагрузки, потеряются пользователи и деньги.

Виды нагрузочного тестирования

1. Load Testing (линейное увеличение нагрузки)

Суть: постепенно добавляем пользователей до момента, когда система начинает критически деградировать.

Профиль нагрузки:

Пользователей (Y)
      |
  1000|              _____ (система перегружена)
      |           __/
      |        __/
      |     __/
   500|  __/
      | /
      |/_________________ Время (X)
      0   10   20   30   40  мин

0 мин:   1 пользователь
10 мин:  250 пользователей
20 мин:  500 пользователей
30 мин:  750 пользователей
40 мин:  1000 пользователей

Цель: найти точку, где система начинает задыхаться.

2. Stress Testing (критическая нагрузка)

Суть: загружаем систему БЕЗ предела, пока она полностью не упадёт.

Вопросы, на которые отвечает Stress Testing:

  • Что происходит с данными при краше системы?
  • Теряются ли транзакции?
  • Может ли система восстановиться автоматически?

3. Spike Testing (скачок нагрузки)

Суть: внезапно прыгает нагрузка, без постепенного увеличения.

Профиль:

1000 пользователей
  ↑
  | ________
  |_|    |
  0|     |________  Время

Сценарий: рассылка письма с уникальной ссылкой → все пользователи заходят в 5 минут одновременно.

4. Soak Testing (продолжительная нагрузка)

Суть: держим систему под постоянной умеренной нагрузкой в течение длительного времени.

Цель: найти утечки памяти, проблемы с кешем, накопление данных.

Пример:

  • 500 одновременных пользователей
  • 24 часа нонстоп
  • Ищем, когда начнёт падать производительность

Метрики нагрузочного тестирования

1. Response Time (время ответа)

  • Average response time: средний ответ, например 200ms
  • Percentile 95 (p95): 95% запросов ответили быстрее, чем X ms (обычно критичнее, чем average)
  • Max response time: самый долгий запрос

2. Throughput (пропускная способность)

  • Количество запросов в секунду (RPS — Requests Per Second)
  • Количество транзакций в секунду (TPS)
  • Килобайты в секунду (Mbps)

Пример: при 1000 пользователей система обрабатывает 5000 RPS.

3. Error Rate (процент ошибок)

  • Обычно при нормальной нагрузке: 0% (или < 0.1%)
  • При стресс-тестировании может увеличиться до 10-50%

4. CPU, Memory, Disk usage

  • CPU: обычно 70-80% нормально, > 90% — перегруз
  • Memory: утечки памяти видны по графику (должна быть стабильна)
  • Disk I/O: как часто система пишет на диск

5. Database connections

  • Количество открытых подключений к БД
  • Connection pool exhaustion (кончились свободные подключения)

Инструменты для нагрузочного тестирования

1. Apache JMeter (классический, открытый исходный код)

Плюсы:

  • Бесплатный
  • Старый и стабильный
  • Поддерживает множество протоколов (HTTP, FTP, JDBC, SOAP)
  • Можно писать код на Java

Минусы:

  • Медленный
  • Требует Java
  • UI немного устаревший

Пример скрипта:

// Создаём 100 потоков (пользователей)
// Каждый делает 10 запросов
// На сервер https://api.example.com
// Это даст нам 1000 запросов всего

2. Gatling (современный, на Scala/Java)

Плюсы:

  • Язык, который понятен разработчикам
  • Хорошие отчёты
  • Быстрый
  • Может генерировать высокие нагрузки (миллионы RPS)

Пример скрипта:

scenario("My Scenario")
  .repeat(100) {
    exec(http("Get Users").get("/api/users"))
  }

3. Locust (Python-based, простой)

Плюсы:

  • Python (много QA знают Python)
  • Простой для написания тестов
  • Web UI для управления нагрузкой

Минусы:

  • Медленнее чем Gatling
  • Сложнее масштабировать на миллионы пользователей

Пример:

class User(HttpUser):
    @task
    def get_users(self):
        self.client.get("/api/users")

4. k6 (современный, JavaScript)

Плюсы:

  • JavaScript (разработчики его знают)
  • Облачное исполнение (SaaS)
  • Хорошая интеграция с CI/CD
  • Быстрый

Минусы:

  • Freemium модель

Пример:

import http from 'k6/http';

export default function() {
  http.get('https://httpbin.org/delay/0');
}

export let options = {
  vus: 100,  // 100 виртуальных пользователей
  duration: '30s',
};

5. Wrk (высокопроизводительный, C)

Плюсы:

  • Очень быстрый
  • Минимальные ресурсы
  • Хорошо для стресс-тестирования

Минусы:

  • Только HTTP
  • Сложнее сценарии

Использование:

wrk -t12 -c400 -d30s http://example.com
# -t12: 12 потоков
# -c400: 400 одновременных соединений
# -d30s: тест 30 секунд

6. Artillery (Node.js, простой)

Пример:

config:
  target: 'https://api.example.com'
  phases:
    - duration: 60
      arrivalRate: 10  # 10 пользователей в секунду
    - duration: 120
      arrivalRate: 30
scenarios:
  - name: 'Get Users'
    flow:
      - get:
          url: '/api/users'

Процесс нагрузочного тестирования

Шаг 1: Определить базовые характеристики

Нормальная нагрузка: 500 одновременных пользователей
Пиковая нагрузка: 5000 одновременных пользователей
Критическая нагрузка: 10000+ одновременных пользователей

Шаг 2: Создать тестовый сценарий

Пользователь:
1. Заходит на главную страницу
2. Ищет товар
3. Добавляет в корзину
4. Оформляет покупку

Шаг 3: Запустить тест

Время       | Пользователи | Avg RT | P95 RT | Errors
0:00         | 0            | -      | -      | 0%
5:00         | 500          | 200ms  | 400ms  | 0%
10:00        | 2000         | 400ms  | 800ms  | 0.1%
15:00        | 5000         | 1500ms | 3000ms | 5%
20:00        | 10000        | 5000ms | 9000ms | 25%

Шаг 4: Анализировать результаты

  • При 5000 пользователей — приемлемая производительность
  • При 10000 — система начинает задыхаться
  • Вывод: при 7000 одновременных пользователей нужна оптимизация

Практические примеры

Пример 1: k6 для API нагрузочного тестирования

import http from 'k6/http';
import { check } from 'k6';

export let options = {
  stages: [
    { duration: '5m', target: 100 },   // Нарастаем до 100 пользователей за 5 минут
    { duration: '10m', target: 100 },  // Держим 100 пользователей 10 минут
    { duration: '5m', target: 0 },     // Убываем 5 минут
  ],
};

export default function() {
  let response = http.get('https://api.example.com/users');
  check(response, {
    'is status 200': (r) => r.status === 200,
    'response time < 500ms': (r) => r.timings.duration < 500,
  });
}

Пример 2: Проверка утечки памяти (Soak Testing)

// Держим 500 пользователей в течение 24 часов
// Смотрим, падает ли производительность
export let options = {
  stages: [
    { duration: '10m', target: 500 },
    { duration: '1430m', target: 500 },  // 24 часа - 10 минут
  ],
};

Интеграция с CI/CD

GitHub Actions пример:

name: Load Test
on: push
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v2
      - name: Run k6 load test
        run: k6 run loadtest.js

Заключение

Нагрузочное тестирование — это не опция, а обязательность для:

  • Web приложений, где ценится uptime
  • E-commerce сайтов (особенно перед распродажами)
  • Социальных сетей
  • Финансовых систем

Без нагрузочного тестирования вы слепо идёте в production, не зная, выдержит ли ваша система реальную нагрузку. Даже если функционально всё работает, при 10000 одновременных пользователей система может упасть за секунду.