Ubuntu 下 Node.js 性能测试实操指南
一 工具选型与适用场景
- ApacheBench ab：快速验证 HTTP 接口的 QPS/延迟，适合入门与回归测试。
- wrk：基于线程的高并发基准测试，能输出更稳定的 延迟分布 与 吞吐量。
- Autocannon：Node.js 编写的高性能 HTTP 压测工具，便于在 CI/CD 中集成。
- Artillery：支持 HTTP/WebSocket/Socket.io 与复杂场景编排，适合模拟真实业务流。
- JMeter / Locust：图形化与分布式压测，适合 大规模 与团队协作场景。
- Node.js 内置 perf_hooks / process.memoryUsage：应用内 微基准 与 资源使用 观测，定位代码级瓶颈。
二 快速上手 HTTP 压测
- 安装常用工具（Ubuntu 20.04+）
- sudo apt-get update && sudo apt-get install -y apache2-utils wrk
- npm i -D autocannon artillery
- 示例命令
- ab：ab -c 100 -t 30 http://localhost:3000/ （并发 100，持续 30 秒）
- wrk：wrk -t 12 -c 400 -d 30s http://localhost:3000/ （12 线程、400 连接）
- Autocannon：autocannon -c 100 -d 30 http://localhost:3000
- Artillery（YAML 场景示例）
- config: target: ‘http://localhost:3000’
- phases: [{ duration: 30, arrivalRate: 100 }]
- scenarios: [{ name: ‘GET /’, flow: [{ get: ‘/’ }] }]
- 运行：artillery run artillery.yml
- 结果解读要点
- 关注 Requests/sec（吞吐）、p95/p99 延迟（尾部延迟）、Error%（错误率）；逐步提升并发，观察指标拐点与稳定性。
三 应用内性能观测与瓶颈定位
- 代码级微基准（perf_hooks）
- const { performance } = require(‘perf_hooks’);
const start = performance.now();
// … 被测逻辑
console.log(
Execution time: ${performance.now() - start} ms);
- 请求级耗时记录（中间件）
- const express = require(‘express’); const app = express();
app.use((req, res, next) => {
const s = Date.now();
res.on(‘finish’, () => console.log(
${req.method} ${req.url} - ${Date.now()-s}ms));
next();
});
- 资源与事件循环
- setInterval(() => console.log(‘Mem:’, process.memoryUsage()), 1000);
- 结合 perf_hooks 的 measure 能力观察 事件循环延迟 与关键路径耗时。
四 深入分析与系统层监控
- CPU/内存/事件循环
- 观测指标：CPU 使用率、堆内存/外部内存、事件循环延迟、请求响应时间、错误率；结合日志与 APM 建立趋势基线。
- 调试与分析工具
- node --inspect 配合 Chrome DevTools 进行 CPU/内存剖析；node --prof 生成 V8 日志并用 –prof-process 分析热点。
- 运行时与系统监控
- PM2：进程管理、实时监控（如 pm2 monit），便于在生产环境做保活与观测。
- 系统工具：top/htop（CPU/内存）、iostat/vmstat/free（I/O 与内存）、netstat/ss/lsof（连接与端口）、dmesg /var/log/syslog（内核与系统日志）；关注 TIME_WAIT/CLOSE_WAIT 异常。
- APM 与日志聚合
- New Relic / Datadog / Elastic APM / Dynatrace 做分布式追踪与指标可视化；ELK/Graylog 做集中化日志检索与分析。
五 一套可复用的测试流程
- 环境准备：在 生产等价 或隔离的 Ubuntu 环境部署被测服务，关闭调试日志与开发特性，固定 Node 版本 与依赖。
- 基线指标：用 ab/wrk/Autocannon 建立 RPS/延迟/错误率 基线（如并发 100→400 阶梯）。
- 场景压测：用 Artillery 编排关键业务链路（登录→查询→下单），覆盖 峰值并发 与 持续时长（如 10–30 分钟）。
- 观测与剖析：压测同时采集 PM2/系统监控 与 应用内指标；对异常区间使用 DevTools/–prof 定位热点函数与内存问题。
- 回归与优化：修复瓶颈后重复压测，验证 p95/p99 与 错误率 改善；将压测与指标采集纳入 CI/CD，形成闭环。
