压测达标线上照样崩:测试模型缺了反馈回路

举报
霍格沃兹测试开发学社 发表于 2026/11/20 17:13:56 2026/11/20
【摘要】 压测报告显示系统能扛住高并发,一到节目上线或大促,登录失败、接口超时、503 照旧出现。这不是压测没做,是压测的被测对象选错了。11 月 5 日中午 12 点,芒果TV《后会友期》第四期上线。大量用户集中进入,出现账号无法登录、验证码收不到、页面返回 503,覆盖 App、网页端、小程序和平板,约一个半小时后恢复。有个细节值得盯:已经登录的用户仍能正常播放。这说明平台没有整体瘫痪,是登录和验...

压测报告显示系统能扛住高并发,一到节目上线或大促,登录失败、接口超时、503 照旧出现。

这不是压测没做,是压测的被测对象选错了。

11 月 5 日中午 12 点,芒果TV《后会友期》第四期上线。大量用户集中进入,出现账号无法登录、验证码收不到、页面返回 503,覆盖 App、网页端、小程序和平板,约一个半小时后恢复。

有个细节值得盯:已经登录的用户仍能正常播放。这说明平台没有整体瘫痪,是登录和验证码这几条链路先到了容量上限。

一、被测链路不是均质的

一个平台和平台里的某条链路,不是同一个被测对象。

内容分发和账号业务面对同一波流量,承压方式完全不同。播放走 CDN,视频资源提前分发到各地节点,用户就近拉取,对突发访问天然抗得住。登录要串行穿过网关、登录服务、验证码服务、短信供应商、风控、用户库和缓存,任何一环变慢,请求就开始堆积。

核心在于串联链路的可用容量取决于最慢的那一环,而不是最快的那一环。给整站做一次压测得到一个总 QPS,这个数字对登录链路没有意义。

对测试开发来说,503 不是一个错误码,是一个观测信号。它告诉你容量、限流或下游依赖里有一处已经撑不住。具体是哪处,得把响应时间、线程池、连接池和依赖服务状态拉到一起看。单看状态码定位不到根因。

所以压测设计的第一步不是调并发数,是把被测链路切开。哪条链路在脉冲流量下最脆弱,就优先给它建模。

二、本质是请求会自己放大自己

传统压测模型里,一个用户发一次请求,压力等于用户数。这个假设在异常状态下不成立。

把这次故障抽象成一条链:


注意 C 到 F 再回到 C 这段。它构成了正反馈:失败越多,重试越多;重试越多,失败越严重。压力不是随用户数线性增长,是随失败率自我放大。

实际上这才是高并发测试真正要建模的东西——不是"多少用户",是"用户在系统异常时会怎么做"。验证码越收不到,点击越频繁;页面越不响应,刷新越多;客户端超时越久,自动重试越密。这些行为把一次失败变成两三次请求,把可控负载推成请求风暴。

只模拟"一个用户发起一次登录",得到的结论必然过于乐观。它测的是理想用户,线上跑的是焦虑用户。

解决了什么。把重试行为纳入模型之后,测试才能回答"故障会不会被用户行为放大"这个问题。这个问题比"系统能扛多少 QPS"更接近真实风险。

三、测试模型和生产现场的三处偏差

很多团队的性能测试流程没问题,问题在模型和现场对不上。

常见做法 生产现实 偏差后果
流量 10 分钟缓慢爬升 节目 12 点更新,几十秒内集中涌入 平稳负载下稳定,脉冲下网关和连接池先崩
只压登录主接口,验证码永远成功 验证码、风控、数据库、缓存、第三方短信全在链路里 主接口达标,全链路在下游失效
只模拟正常用户一次操作 失败后重复点击、刷新、客户端自动重试 漏掉请求放大,容量估算偏低

这三处偏差的共性是:模型比现实干净。现实里的流量是脉冲的、链路是串联的、用户是会犯错的。测试模型把这三点都抹平了,得到的结论自然偏乐观。

核心在于压测要复现的不是流量数字,是流量的形状。同样 10 万请求,摊在 10 分钟里和压在 30 秒里,对网关、连接池和第三方依赖是完全不同的压力。

四、只盯 200 等于没测

结果判定也要跟着改。接口返回 200 只说明这一次请求被处理了,不说明整条业务链路健康。

该看的指标是一组,不是一个:登录成功率、P95 和 P99 响应时间、503 比例、验证码成功率、扩容完成时间、故障恢复时间,以及已登录用户是否还能正常播放。

最后这一条尤其重要。它验证的是故障隔离——登录链路挂了,不能把播放链路一起拖垮。这是容灾设计是否生效的直接证据,而它在"接口返回 200"的判定里完全没有位置。

实际上这组指标里藏着两类问题。成功率、503 比例回答"系统扛没扛住";扩容时间、恢复时间、播放是否正常回答"扛不住的时候有没有兜住"。两类都要测,只测第一类就只能看到崩,看不到为什么恢复得慢。

五、AI 的位置:把零散信息整理成测试模型

AI 在这类场景里的价值,不是生成几段压测脚本,是帮测试工程师把零散的业务信息收敛成可执行的测试模型。

能力 怎么做的 边界
流量预测 用历史播放量、预约数据、会员规模、社交热度估峰值和峰值时间 是假设不是容量结论,要用监控和历史修正
场景生成 给明确约束:30 秒内 10 万用户、40% 未登录、验证码 5 秒延迟、20% 失败、平均重试 2 次 场景要人审核是否符合业务
脚本与数据 接口文档和约束明确时生成初稿,含参数化、登录、重试、结果校验 请求频率、账号、脱敏、环境边界、停止条件要人工确认
日志分析 把 503 日志、响应时间、验证码成功率、连接池、线程池、CPU、扩容时间线放一起看 结论要用监控和链路追踪确认

看第二条的输入方式。它不是"模拟 10 万并发"这种笼统指令,而是把用户分层、请求比例、故障注入、重试规则、观察指标全部说清楚。

核心在于 AI 擅长在明确约束下展开细节,不擅长替你定义什么是真实。你给的业务约束越具体,生成的场景越接近生产;你只给一个并发数字,它就只能给你一个数字游戏。

脚本生成那部分也有讲究。让 AI 做初稿省的是逐个复制接口字段、重复搭基础流程的时间,省下来的精力应该投到并发模型、风险判断和结果分析上。未经审核的脚本不能直接用于生产压测——请求频率错了、停止条件没写,压测本身就可能引发事故。

六、AI 不能替你签上线

在这个场景里,人站在哪一段是明确的。

AI 不能替代对业务流量的真实理解,不能保证压测脚本没有逻辑问题,不能评估生产风险和测试边界,不能仅凭日志确定唯一根因,也不能替你做上线门禁和应急决策。

这几条限制指向同一件事:AI 扩大的是分析范围和执行速度,不是责任主体。它能把八份日志在几秒内交叉比对,但"这个系统能不能上线"这个判断,需要的业务上下文和风险承担,它都没有。

测试开发要守住的正是这条线。工具把执行成本压下来了,场景是否真实、结果是否可信、风险是否可接受,这三个判断不能外包。

结尾

回到那次故障。表面看是登录和验证码扛不住流量,深层是对定点洪峰、第三方依赖和用户重复操作准备不足。

下次大促或热门节目上线前,你会问服务器准备了多少容量。但你的压测模型里,有没有把"用户收不到验证码之后连点五次"这件事算进去?

本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料,主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容,侧重测试实践、工具应用与工程经验整理。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0)

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。