FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

工具

一行 k6 配置,把变慢的构建挡在生产环境外

p95 阈值不达标时 k6 以非零码退出,CI 直接判红,性能退化不必等客户投诉才发现。

分享微博

要点速览

  • k6 阈值是通过/失败标准:一旦突破,k6 以非零退出码结束,CI 随即判定构建失败
  • p(95)<200 表示 95% 的请求必须在 200 ms 内完成,比看平均值严格得多
  • Grafana 不建议在自动化部署流水线中运行大型测试,CI 里的测试应保持小规模
横向条形图:900 个快请求耗时 80 ms,平均延迟为 162 ms,二者都低于 200 ms 阈值。p95 为 900 ms,远超阈值,因此构建失败。
1,000 个请求中有 100 个因一条缺索引的查询耗时 900 ms,平均延迟仍低于 200 ms 阈值。p95 突破了阈值,`p(95)<200` 让构建变红。来源:文中的计算示例;200 ms 阈值取自 k6 文档中的示例。

一行 http_req_duration: ['p(95)<200'],就能决定一次部署是进入生产环境还是被打回。Grafana 的负载测试工具 k6 正是这样,把“系统必须够快”这句承诺变成机器可以检查的条件。

对前线部署工程师(FDE)来说,这是很实际的问题。你拼好一条数据管道,加上一步调用 LLM 的环节,改了数据查询方式,客户只会注意到一件事:页面变慢了。没有自动化阈值,你得从投诉邮件里知道这件事,而不是从 CI。

k6 能做什么,为什么适合客户现场

k6 用 Go 编写,测试脚本却用 JavaScript 写,源码在 github.com/grafana/k6。这意味着不用学专门的 DSL。会读 JavaScript 的人都能看懂测试,包括你离场后接手的客户工程师。

核心概念是阈值(threshold)。k6 文档把阈值定义为你为测试指标设定的通过/失败标准。阈值不达标时,k6 以非零码退出。所有 CI 系统都认退出码,所以一个测试步骤就能借此让整个构建变红。

一个最小脚本,从头到尾

k6 new 命令会在当前目录生成 script.js 文件。把它改成下面这样,URL 指向你最担心的那个接口:

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

export const options = {
  vus: 10,
  duration: '30s',
  thresholds: {
    // 95% 的请求必须在 200 ms 内完成
    http_req_duration: ['p(95)<200'],
  },
};

export default function () {
  http.get('https://staging.example.com/api/search');
  sleep(1);
}

不带任何参数运行 k6 run script.js,k6 就完全按脚本里声明的选项执行。价值就在这里:负载、时长和阈值放在同一个文件里,和代码一起评审、一起做版本管理。做快速实验时,仍可以用参数覆盖 VU 数和时长,例如 k6 run --vus 20 --duration 1m script.js。

如果希望阈值一被突破就停止测试,而不是跑满 30 秒,k6 提供了 abortOnFail 属性:为该阈值设为 true,越过阈值的那一刻测试即停止。

放进流水线之前,先到 k6 文档的 Thresholds 页面核对确切的声明语法。对 CI 测试来说,提前停止意味着更少的计费分钟数和更快的信号。

为什么用 p95 而不是平均值?

设想 1,000 个请求:900 个在 80 ms 内完成,100 个因为一条缺索引的查询要 900 ms。平均值是 (900 × 80 + 100 × 900) / 1,000 = 162 ms,对照 200 ms 的目标看起来没问题。但 p95 落在慢的那一组,为 900 ms,p(95)<200 阈值会让构建失败。

每十个用户里就有一个要等将近一秒。平均值把他们藏了起来,p95 不会。k6 文档中的示例也把阈值设在 http_req_duration 的 p95 上,这自然是第一个测试的起点。

如何接入 CI

官方文档列出了与 GitHub Actions、GitLab 和 Jenkins 的集成,目的是捕捉代码变更引起的性能退化。在 GitHub 上,Grafana 维护两个官方 action:setup-k6-action 在工作流中安装 k6,run-k6-action 运行测试。

在客户现场,合理的安排是把测试放在部署到 staging 之后、推送到生产环境之前。下面的示意假设你已有两个部署脚本,要关注的是 needs 链。action 的输入参数名和版本号请对照各 action 当前的 README:

name: deploy
on:
  push:
    branches: [main]

jobs:
  deploy-staging:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: ./scripts/deploy.sh staging

  load-test:
    needs: deploy-staging
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: grafana/setup-k6-action@v1
      - uses: grafana/run-k6-action@v1
        with:
          # 在 run-k6-action 的 README 中核对输入参数名
          path: script.js

  deploy-production:
    # 仅在 load-test 通过时运行
    needs: load-test
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: ./scripts/deploy.sh production

底层机制仍然只是退出码:阈值不达标,k6 返回非零值,load-test 任务失败,deploy-production 根本不会运行。

让关卡沦为摆设的几个错误

最常见的错误是关卡从没关上过。加了阈值,构建变绿,大家放了心,却没人知道阈值被突破时流水线是否真的会停。第一次运行时,故意把阈值调低到必然失败的水平,亲眼看到 deploy-production 被跳过。

第二个错误是把大型测试塞进 CI。Grafana 建议大型测试也使用通过/失败标准,但不建议在自动化部署流水线中运行大型测试。

CI 测试应该小:它是性能退化的警铃,不是整个系统的压测。真正的压力测试应单独按计划运行,并有人值守。

第三个错误是照搬 200 ms 这个数字。它只是文档里的示例,合适的阈值必须来自客户:他们向用户承诺了什么,哪些接口处在关键路径上。在客户现场,第一件事是问清这个问题,然后才写阈值那一行。

还要留意许可证:k6 以 AGPL-3.0 发布。在法务部门严格的企业客户那里,先问清对方的开源许可证政策,别等装进流水线后再被追问。

如何把这项技能写进简历

“熟悉负载测试”是一句平淡的话。“为搜索 API 设定 p95 阈值并接入 CI,拦下一次会让 p95 翻倍的部署”讲的是一个故事,面试官问你如何保障生产环境质量时,这也是个好答案。

想练手,就找一个个人项目,写一个 k6 脚本,故意加一条慢查询,让 GitHub Actions 把它抓出来。一个原因清楚的红色构建,比任何技能总结都更有说服力。

这篇文章对你有帮助吗?

6 个信源
路线图上的下一篇 · 阶段 6: 价值度量像测试自动驾驶那样测试语音 AgentCoval 由前 Waymo 技术负责人创办,先跑数千通带噪声的模拟通话,再用人工对失败通话的复核重新训练 AI 评审。