Node.js 应用在 Linux 上的性能测试实操指南
一 测试流程与分层
- 明确目标与指标：设定可量化目标（如P95/P99 延迟 < 200ms、吞吐 RPS ≥ 2000、错误率 < 0.5%），并固定测试环境（实例规格、网络、数据库、缓存、Node 版本与启动参数）。
- 基线测试：在“干净环境”下跑一次低并发基准，记录RPS、延迟分位、CPU/内存/IO、错误率，作为后续对比依据。
- 负载测试：逐步提升并发（如100 → 500 → 1000 并发连接），观察指标拐点与稳定性，识别吞吐上限与饱和点。
- 峰值与耐久：进行短时峰值冲击与≥30 分钟耐久跑，检查内存泄漏、句柄泄漏、事件循环延迟与慢查询。
- 瓶颈定位：结合CPU/内存/IO监控与CPU 采样/火焰图、事件循环监控定位热点函数与阻塞点。
- 回归验证：修复后在同一环境复测，确保指标达标且不引入新退化。
二 负载与基准测试工具
- 常用工具与场景
- ApacheBench（ab）：简单 HTTP 基准，适合入门与快速回归。示例：
ab -c 100 -n 10000 http://localhost:3000/
- wrk / wrk2：高并发、长连接、可脚本化，支持恒定吞吐量。示例：
wrk -t12 -c400 -d30s http://localhost:3000/
- Autocannon：Node.js 编写，适合与 CI 集成与脚本化场景。示例：
autocannon -c 100 -d 30 http://localhost:3000/
- Artillery：面向场景与协议（HTTP、WebSocket、Socket.io），编排复杂业务流程。示例：
artillery run scripts/load-test.yml
- k6：现代化负载与可观测性集成，适合团队落地与持续性能工程。
- JMeter / Locust：图形化与分布式压测，适合大规模与团队协作。
- 关键指标解读
- RPS（Requests per second）：吞吐能力；P50/P95/P99 延迟：分位延迟；Time per request：用户感知等待；Transfer rate：带宽占用；Errors：失败率与错误类型分布。
三 系统级监控与瓶颈定位
- 系统资源监控
- top/htop：实时查看CPU、内存与进程状态；压测时观察是否出现CPU 100%或内存持续增长。
- vmstat / iostat / free / df：分别关注上下文切换、系统 IO、内存余量、磁盘空间，判断是否受限于IO 或磁盘。
- 深入诊断
- perf top / perf record/annotate：采集CPU 热点函数，定位计算密集或系统调用瓶颈。
- strace -T -p ：跟踪系统调用与耗时，排查文件 IO、DNS、网络等阻塞来源。
- Node.js 运行时监控：使用 process.memoryUsage() 与 perf_hooks 记录堆内存、驻留集、事件循环延迟等关键指标，辅助判断内存压力与异步阻塞。
四 Node.js 运行时分析与火焰图
- 采样与火焰图
- 启动应用：
node --prof app.js
- 执行压测后生成 V8 日志，处理并查看热点：
node --prof-process isolate-*.log > profile.txt
- 将输出导入可视化工具（如 speedscope）查看火焰图，定位高占比函数与调用栈。
- 交互式调试
- 启动：
node --inspect-brk app.js
- 在 Chrome DevTools → chrome://inspect → Performance 面板录制，分析CPU 火焰图、脚本耗时、回流重绘等。
- 事件循环与异步行为
- 结合 perf_hooks 与日志埋点，测量异步任务排队与回调耗时，识别阻塞事件循环的长任务。
五 日志与 APM 的持续观测
- 结构化日志
- 使用 winston / morgan / pino 记录请求开始/结束时间、状态码、耗时、URL、用户代理、traceId；压测时开启debug/trace级别。
- 将日志送入 ELK（Elasticsearch、Logstash、Kibana）/ Graylog，聚合分析P50/P95/P99、错误率、慢路径。
- 应用性能管理（APM）
- 接入 New Relic / Datadog / Dynatrace，获取分布式追踪、数据库慢查询、外部依赖耗时与错误堆栈，联动告警与容量规划。
- 进程与运行时管理
- 使用 PM2 进行守护、集群、日志轮转与监控：
pm2 monit、pm2 list、pm2 logs，便于在压测期间观察多进程负载均衡与内存/重启情况。
