用途：验证系统在负载下的延迟、吞吐与稳定性目标，并在不达标时定位瓶颈。资料假设使用者已能编写测试代码，重点放在让压测数字失真的测量陷阱，以及工具与负载形状的选型标准。
主要能力：讲解开放与封闭负载模型（封闭模型固定 VU 会自我限流、掩盖过载；开放模型固定到达率才能找到真实拐点）、协调遗漏的成因与修正（wrk2 -R、k6 到达率执行器、HdrHistogram）、百分位而非均值、Little 定律校验、拐点与崩溃、预热与 JIT/GC、客户端与服务器分离测量、连接复用与思考时间、真实数据与基数。给出 smoke/load/stress/spike/soak/breakpoint 六种负载形状及 k6 配置示例，并介绍 k6、Locust、JMeter、Gatling、artillery 及 wrk2/oha/hey 等命令行工具，含 API 混合读写、GraphQL、WebSocket 场景模式与数据库基准测试。
使用方式：k6 用 k6 run -e API_URL=... script.js，可加 --out experimental-prometheus-rw 或 --out influxdb=... 输出到 Grafana；Locust 用 locust -f lf.py --headless -u 500 -r 50 -t 5m，分布式用 --master 与 --worker；JMeter 用 jmeter -n -t plan.jmx -l results.jtl -e -o report/；Gatling 用 injectOpen/injectClosed；artillery 用 YAML 的 arrivalRate 与 ensure 断言。
适用场景：API 与协议压测、容量与拐点评估、尖峰恢复与自动扩缩验证、长时间浸泡查泄漏、数据库基准。
限制：资料未提供具体收费、价格与平台支持信息；部分工具扩展（如 xk6 的 gRPC/SQL/浏览器/Kafka）不在核心二进制内；ab 单线程且默认无 keep-alive，仅适合简单可达性检查。