用途：该技能聚焦性能与负载测试，帮助用户规划测试类型、选择工具、设计负载场景并分析指标，最终定位性能瓶颈与优化方向。
主要能力：覆盖多种测试类型，包括负载测试（预期负载表现）、压力测试（超出容量上限）、尖峰测试（负载骤增）、浸泡测试（长时间运行）、可扩展性测试（系统增长能力）与容量测试（大数据量处理）。跟踪关键指标：响应时间、吞吐量（RPS）、错误率、延迟（TTFB）、并发用户数与资源利用率（CPU、内存、网络）。
工具与框架：Apache JMeter（基于 Java）、k6（现代 JavaScript）、Gatling（基于 Scala）、Locust（基于 Python）、Artillery（Node.js）、Vegeta（Go HTTP 压测）。技能附带按需读取的参考文档，包含 k6 脚本、JMeter 测试计划（XML）、Gatling（Scala）与 Locust 示例。
使用方式：先建立基线性能，定义明确的性能目标；采用贴近真实的负载模式，在请求间加入思考时间，使用接近生产的数据；逐步增加负载（ramp-up），再进行持续负载、尖峰、浸泡与压力场景，并验证自动扩缩容。指标分析上，应预先定义 SLA，关注 p50、p95、p99 响应时间、错误率与吞吐量，并结合资源利用率做瓶颈与根因分析。环境方面建议使用专用测试环境，配置与生产一致，隔离测试流量，监控数据库性能，并在适用时纳入 CDN 与第三方依赖。
限制与注意事项：资料未提供具体定价、平台支持范围或部署细节。该技能列出常见反模式：仅从单一位置施压、未逐步增加负载、忽略思考时间、无监控测试、缺少基线、在生产环境测试；测试设计上避免不真实负载模式、缺少数据变化、无错误处理、硬编码测试数据、忽略缓存影响、未覆盖边界情况；分析上避免只看平均值、忽略离群值、未做指标关联、遗漏资源瓶颈、缺少根因分析与报告不完整。