可扩展性测试（Scalability Testing）旨在验证系统在面对**不断增加的工作负载（如用户数、数据量、并发请求等）**时，能否保持预期的性能，或是否能通过增加资源（如服务器、节点）线性/近似线性地提升处理能力。
下面从目标 → 准备 → 执行步骤 → 常用指标 → 工具 → 注意事项给你一个完整可落地的框架。
在做之前先回答几个问题：
常见目标示例：
当用户从 1 万并发增长到 10 万并发时，系统平均响应时间不超过 300ms，错误率 < 0.1%
确定扩展维度
搭建可调控环境
定义基准（Baseline）
例如：
观察：
✅ 理想情况：
节点 ×2 → 吞吐 ×2
常见瓶颈：
| 指标 | 说明 |
|---|---|
| 吞吐量（TPS/QPS） | 系统处理能力 |
| 响应时间 | 平均 / P95 / P99 |
| 错误率 | 失败请求占比 |
| 资源利用率 | CPU / 内存 / IO / 网络 |
| 扩展比 | 性能提升 / 资源增加 |
系统在当前架构下，支持最大 5 万并发；
超过后数据库成为瓶颈；
通过增加 2 个读副本，可支撑 8 万并发。
如果你愿意，可以告诉我：
我可以直接帮你写一套可扩展性测试方案或脚本。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
