findscripter 何时使用
适用：
- 对 HTTP API、WebSocket 端点或浏览器（k6 Browser）场景做性能测试。
- 在 CI/CD 中建立性能回归门禁，对比代码改动前后的性能。
- 评估系统在不同负载下的表现：冒烟（Smoke）、负载（Load）、压力（Stress）、尖刺（Spike）、浸泡（Soak）。
- 校验 SLA / 性能预算（如 p95 < 500ms、错误率 < 1%）。
不该用：
- 功能正确性验证（用单元/接口测试，而非负载测试）。
- 无脚本的纯线上监控（用 APM/Prometheus 等，k6 是主动施压工具）。
- 缺少目标、权限或成功标准时，先澄清再动手，勿对生产系统盲目施压。
步骤
- 安装 k6（见下方指令）。
- 写最小脚本，先用 1-5 VUs 跑冒烟测试，确认脚本本身可用。
- 选定测试类型并配置
options（vus/duration或stages渐增渐减）。 - 加
thresholds表达 SLA，使阈值失败时 k6 返回非零退出码（CI 可据此判失败）。 - 用
check()断言响应；按需做请求链、参数化、SharedArray加载外部数据。 - 运行并导出结果（JSON / InfluxDB+Grafana / Prometheus / cloud）。
- 接入 CI/CD（GitHub Actions / GitLab CI），按需归档 results.json。
测试类型速查：
| 类型 | 用途 | 配置要点 |
|---|---|---|
| Smoke 冒烟 | 验证脚本基本可用 | 低 VUs(1-5)、短时长 |
| Load 负载 | 常规预期负载 | 按真实流量设目标 VUs |
| Stress 压力 | 找崩溃临界点 | 超出容量持续加压 |
| Spike 尖刺 | 突发流量冲击 | 快速拉升再骤降 |
| Soak 浸泡 | 长期稳定性 | 超长时长运行 |
指令
# 安装
brew install k6 # macOS
choco install k6 # Windows
# Linux: 见 k6 官方 apt 源安装
k6 install chromium # 浏览器测试支持
# 运行与结果输出
k6 run load-test.js # 文本摘要
k6 run --out json=results.json load-test.js # JSON 便于解析
k6 run --out influxdb=http://localhost:8086/k6 load-test.js
k6 run --out prometheus=localhost:9090/k6 load-test.js
k6 run --out cloud load-test.js
关键结果指标判读：http_req_duration(p95) 好<300ms / 警告 300-500ms / 差>500ms；http_req_failed 好<0.1% / 警告 0.1-1% / 差>1%。
示例
最小冒烟脚本：
// simple-test.js
import http from 'k6/http';
import { check, sleep } from 'k6';
export const options = { vus: 10, duration: '30s' };
export default function () {
const res = http.get('https://httpbin.test.k6.io/get');
check(res, {
'status is 200': (r) => r.status === 200,
'response time < 500ms': (r) => r.timings.duration < 500,
});
sleep(1);
}
渐增负载 + SLA 阈值：
export const options = {
stages: [
{ duration: '30s', target: 20 }, // 渐增
{ duration: '1m', target: 100 }, // 维持
{ duration: '30s', target: 0 }, // 渐降
],
thresholds: {
http_req_duration: ['p(95)<500'], // 95% 请求 < 500ms
http_req_failed: ['rate<0.01'], // 错误率 < 1%
},
};
带鉴权 + 参数化（SharedArray 共享数据，避免内存膨胀）：
import http from 'k6/http';
import { check } from 'k6';
import { SharedArray } from 'k6/data';
const users = new SharedArray('users', () => JSON.parse(open('./users.json')));
export default function () {
const user = users[__VU % users.length];
const loginRes = http.post('https://api.example.com/login',
JSON.stringify({ email: user.email, password: user.password }));
const token = loginRes.json('access_token');
const res = http.get('https://api.example.com/profile',
{ headers: { Authorization: `Bearer ${token}` } });
check(res, { 'profile loaded': (r) => r.status === 200 });
}
CI（GitHub Actions）核心步骤：用 grafana/k6-action@v0.2.0 安装，k6 run --out json=results.json load-test.js 运行，再 actions/upload-artifact 归档；阈值失败时 k6 退出码非零，job 自动失败。GitLab CI 用 image: grafana/k6:latest + script: k6 run load-test.js。
注意事项
- 先冒烟后放大：1-5 VUs 验证脚本，再逐步加压。
- 用真实数据参数化，用
tags（如tags: { endpoint: 'users' }）做细粒度分析。 - 阈值贴合 SLA，从宽到严按历史数据收紧；用 stages 预留预热时间。
- 监控不只自家 API，也要看下游依赖；一个场景一个脚本，保持聚焦。
- 常见坑：本地通过 CI 失败（核对 CI 资源与网络）；多次跑结果不稳（排查外部依赖/随机数据/测试数据污染）；k6 内存溢出（大数据用
SharedArray、减少 VUs 或--max-memory）；阈值过严（先放宽再迭代）。 - 安全：勿对未授权或生产系统盲目施压；输出需经环境特定验证，不能替代专家评审。
互见
performance-engineer：更广义的性能优化。api-testing-observability-api-mock：测试期 API 打桩/Mock。application-performance-performance-optimization：性能优化。- 资源：k6 文档 https://k6.io/docs/ ，示例 https://github.com/grafana/k6/tree/master/examples 。
采编自 sickn33/antigravity-awesome-skills（MIT）。