qa-perf-design — 性能测试场景设计

把「需求 / NFR / 容量目标」翻译成一份可执行的性能测试方案： 负载（load）/ 压力（stress）/ 疲劳（endurance/soak）/ spike（尖峰） 四类场景， 明确并发数、目标 TPS、爬坡（ramp-up）、思考时间（think-time）、SLA 阈值。

性能测试不是「把并发开到最大」。先定目标，再定场景，最后才有脚本与结果判定。

何时使用

• 需求或 NFR 里出现「响应时间」「并发」「吞吐」「峰值」「稳定性」等字眼。
• 用户说「性能测试方案」「压测设计」「容量评估」「这个接口扛得住多少」。
• 上线前容量规划、大促保障、接口性能基线建立。

四类场景模型

操作流程

步骤 1 — 提取性能目标

从需求 / NFR 中抽取：

• 业务量：日活、峰值 QPS、核心交易笔数。
• SLA：P95 响应时间、错误率上限、TPS 下限。
• 约束：数据量、缓存策略、依赖方限流。

步骤 2 — 设计场景矩阵

按 references/scenario-template.md 填写场景矩阵。每个场景明确： name / type / users / spawn_rate / duration / think_time / target_tps / sla。

步骤 3 — 生成方案文档

用脚本把场景 JSON 渲染成可读方案（含 SLA 判定口径）：

python scripts/gen_perf_plan.py --scenarios scenarios.json --out plan.md

步骤 4 — 衔接下游

• 方案交给 qa-perf-locust 或 qa-perf-jmeter 生成脚本（两者共用本技能的 场景 JSON schema，可互换；Locust 偏代码化/CI，JMeter 偏无代码/分布式）。
• 结果交给 qa-perf-analysis（Locust）或 qa-perf-jmeter 的 analyze 脚本 （JMeter）做吞吐 / 延迟 / 瓶颈判定，口径一致便于横向比较。
• SLA 是否达标进入 qa-report / 上线评审。

估算速算（给一个起点）

目标并发 ≈ 峰值QPS × 平均响应时间(秒)
例：峰值 1000 QPS，P95=0.5s → 约 500 并发即打满峰值吞吐

注意：这只是「刚好打满吞吐」的并发下界；真实压测需在此之上加压找拐点。

深化能力（V2）

• 容量规划计算：scripts/calc_capacity.py 由 峰值QPS × 平均RT × 余量 推导目标并发 与所需 TPS，并给出拐点/饱和识别提示。
• 容量公式、资源监控指标（CPU/内存/连接）、测试清单见 references/checklist.md。

与上下游衔接

• 输入：qa-req-spec / qa-test-analysis 的 NFR 与测试点。
• 输出：qa-perf-locust（脚本）、qa-perf-analysis（结果）、qa-report（结论）。
• 与 JMeter 路线互通：同 schema 直接喂给 qa-perf-jmeter。