性能测试技能（Performance Testing Skill）用于提供全面的性能测试专业能力，专注于应用、API 和基础设施系统的负载测试、压力测试与耐久测试，验证系统在各种负载条件下的行为并识别容量上限。
用途 该技能适用于以下场景：模拟并发用户进行负载测试；执行压力测试以寻找系统崩溃点；运行耐久测试以检测内存泄漏；验证系统在负载增加时的可扩展性；测量响应时间与吞吐量指标；分析资源利用模式。
主要能力 性能测试类型包括三类。负载测试：并发用户模拟、事务量测试、可扩展性评估、资源利用率分析、响应时间测量。压力测试：崩溃点识别、故障模式分析、恢复时间测量、资源耗尽测试、系统稳定性验证。耐久测试：长期稳定性评估、内存泄漏检测、性能退化分析、资源增长监控、系统可持续性测试。
性能测试工具方面，开源工具包括 Apache JMeter（综合性能测试）、Gatling（高性能负载测试）、k6（基于 JavaScript 的现代负载测试）、Locust（基于 Python 的负载测试）、WRK（HTTP 基准测试工具）。商业方案包括 LoadRunner Professional、NeoLoad、Silk Performer、BlazeMeter、WebLOAD。云平台包括 AWS Load Testing、Azure Load Testing、Google Cloud Load Testing、k6 Cloud、BlazeMeter Cloud。
性能指标与分析涵盖：关键性能指标（响应时间、延迟、吞吐量、CPU、内存、磁盘、并发、连接、请求等，资料中给出了对应的 grep 示例命令）；响应时间分析（平均响应时间、中位数即第 50 百分位、第 90/95/99 百分位分析、最大响应时间、响应时间分布）；吞吐量指标（每秒请求数 RPS、每秒事务数 TPS、数据传输速率、并发用户容量、峰值负载处理）；资源利用率（CPU 使用率监控、内存消耗跟踪、磁盘 I/O 分析、网络带宽使用、数据库连接池）。
测试设计与执行包括：测试场景规划（用户旅程映射、业务流程建模、峰值负载模拟、递增策略、思考时间实现）；负载曲线设计（恒定负载模式、尖峰测试场景、渐进递增负载、自定义负载曲线、真实流量模拟）；测试数据管理（测试数据生成、参数化策略、数据多样性创建、数据库状态管理、隐私保护措施）。
应用专项测试包括：Web 应用性能（页面加载时间分析、资源加载优化、JavaScript 执行性能、CSS 渲染性能、第三方依赖影响）；API 性能测试（RESTful API 测试、GraphQL 性能、SOAP Web 服务测试、认证开销、限流验证）；数据库性能（查询优化、索引效率分析、连接池、数据库扩展、锁竞争分析）；移动应用测试（网络条件模拟、设备性能差异、电池消耗分析、应用启动时间、内存使用模式）。
高级性能测试包括：分布式测试（多负载生成器、地理分布、网络延迟模拟、带宽限流、云端负载生成）；真实用户监控 RUM（前端性能跟踪、用户体验指标、地理性能分析、设备特定性能、浏览器兼容性影响）；持续性能测试（与 CI/CD 集成、自动化回归测试、性能阈值验证、告警与通知、趋势分析与报告）。
性能分析与优化包括：瓶颈识别（CPU 密集型分析、内存优化、I/O 瓶颈检测、网络延迟分析、数据库查询优化）；性能剖析与诊断（应用剖析、系统调用分析、内存泄漏检测、线程竞争分析、垃圾回收调优）；缓存策略（应用级缓存、数据库查询缓存、内容分发网络、浏览器缓存优化、分布式缓存实现）。
监控与可观测性包括：应用性能监控 APM（实时性能跟踪、分布式追踪、错误率监控、自定义指标采集、性能仪表盘）；基础设施监控（服务器资源监控、网络性能跟踪、数据库性能指标、云资源利用率、容器性能分析）；日志分析（性能相关日志模式、错误日志关联、访问日志分析、自定义性能日志、日志聚合与搜索）。
性能测试自动化包括：测试自动化框架（JMeter 自动化、Gatling 脚本、k6 JavaScript 自动化、基于 Python 的自动化、CI/CD 集成）；持续集成（自动化测试执行、性能回归检测、自动化报告、阈值验证、失败通知系统）；云端自动化（可扩展负载生成、地理分布、按需资源供给、成本优化、多云策略）。
不同环境中的性能测试包括：开发环境（早期性能验证、单元级性能测试、本地基准测试、开发反馈循环、性能最佳实践）；预发布环境（类生产测试、容量规划验证、性能回归测试、集成性能测试、部署前验证）；生产监控（实时性能跟踪、性能 SLA 监控、用户体验测量、事件响应、性能优化循环）。
报告与文档包括：性能测试报告（执行摘要、详细测试结果、性能对比、瓶颈分析、优化建议）；性能仪表盘（实时指标展示、历史趋势分析、SLA 合规跟踪、资源利用率图表、用户体验指标）；基准文档（基线性能指标、行业对比、竞争分析、性能目标设定、进度跟踪）。
行业专项能力包括：电商性能（购物车性能、结账流程优化、搜索功能测试、商品目录性能、支付处理优化）；金融服务（交易系统性能、风险计算速度、报告生成性能、数据处理效率、监管合规要求）；医疗系统（患者数据检索、医学影像性能、实时监控系统、数据隐私合规、系统可用性要求）。
交付物包括：测试计划与场景（综合测试策略、详细测试场景、负载曲线规格、测试数据需求、执行时间表）；性能报告（详细分析报告、执行摘要、技术建议、优化路线图、性能基准）；自动化框架（自定义测试脚本、CI/CD 集成代码、监控设置配置、告警系统设置、文档与培训材料）。
使用方式 资料中通过三个示例说明使用方式。示例一：电商平台负载测试，为黑色星期五准备，需验证 10 倍预期流量下的性能。实施步骤包括分析历史流量模式以建模真实负载、为关键路径（浏览、购物车、结账）创建 JMeter 测试场景、以递增期模拟 10,000 并发用户、在负载下测试数据库查询并识别 N+1 问题、验证自动扩展触发条件与阈值。结果：识别出 3 个关键瓶颈（2 个数据库、1 个 API），平均响应时间从 2.3 秒降至 450 毫秒，验证系统可处理 50,000 并发用户，确认自动扩展在 45 秒内激活。
示例二：API 性能基准测试，金融服务 API 需对照 SLA 要求（P99 小于 200 毫秒）进行性能验证。实施步骤包括为所有 API 端点创建 k6 测试脚本、以不同并发级别（100、500、1000）测试、分析响应时间分布（P50、P90、P95、P99）、剖析导致慢响应的数据库查询、实施查询优化与缓存。结果：P99 延迟从 850 毫秒降至 145 毫秒，吞吐量从 500 RPS 提升至 2,500 RPS，所有端点满足 SLA 要求，创建了性能回归测试套件。
示例三：微服务混沌测试，微服务架构需在部分服务故障下进行验证。实施步骤包括为服务故障设计混沌测试场景、实施延迟注入与错误响应、测试熔断器功能与恢复、验证优雅降级行为、测量混沌下的端到端请求流。结果：识别出 2 个缺少适当熔断器的服务，验证了各种故障场景下的恢复时间，确认系统优雅降级（而非灾难性失败），为每种故障模式记录了恢复流程。
最佳实践 测试设计方面：真实工作负载建模（基于生产流量分析建立负载模式）；包含思考时间（在请求之间加入真实的用户暂停时间）；数据参数化（使用多样化测试数据以避免缓存假象）；全面覆盖（测试所有关键用户旅程，而不仅是正常路径）。
执行方面：类生产环境（在与生产配置匹配的环境中测试）；适当预热（在测量前包含递增期）；延长持续时间（压力测试运行足够长时间以发现问题）；错误率监控（同时跟踪响应时间和错误率）。
分析方面：百分位分析（报告 P50、P90、P95、P99，而不仅是平均值）；基线对比（始终与已建立的基线对比）；趋势跟踪（随时间监控性能，而不仅是快照）；聚焦指标（跟踪与 SLA 相关的指标，避免指标过载）。
工具方面：测试维护（将测试视为生产代码，进行维护和更新）；CI/CD 集成（在部署流水线中自动化性能测试）；充足资源（确保负载生成器能产生所需负载）；结果分析（实施自动化分析与告警）。
反模式 测试设计反模式：不真实的工作负载（测试不反映真实使用模式，应先剖析生产流量）；缺少思考时间（连续请求没有用户暂停时间，应包含真实用户延迟）；仅静态数据（测试无数据变化，应使用参数化和多样化测试数据）；单一场景聚焦（只测试一条路径，应覆盖所有关键用户旅程）。
执行反模式：测试环境差距（在非代表性环境中测试，应匹配生产配置）；无预热（系统未预热就开始测试，应包含递增期）；过早停止（在找到极限前结束测试，应持续到失败）；忽略错误率（只关注响应时间，也应监控错误率）。
分析反模式：仅看平均值（只依赖平均值，应分析百分位和分布）；无基线（测试没有基线对比，应建立性能基线）；快照测试（一次性测试没有趋势跟踪，应随时间监控）；指标过载（跟踪过多无关指标，应聚焦 SLA 相关指标）。
工具反模式：一次性脚本（测试未维护或更新，应将测试视为生产代码）；手动创建测试（测试生成未自动化，应从规格生成测试）；无 CI 集成（性能测试手动运行，应集成到 CI/CD 流水线）；资源竞争（负载生成器性能不足，应确保足够的负载生成能力）。
限制 资料未提供该技能的具体安装命令、依赖要求、运行环境限制、收费或价格信息，这些内容暂未提供。