用途：在负载条件下对应用进行性能剖析，测量延迟、吞吐量和错误率，用于规划负载测试、设定 SLO 并在上线前定位瓶颈。
主要能力：支持多种测试类型——负载测试（验证预期流量）、压力测试（寻找崩溃点）、尖峰测试（突发流量）、耐久/浸泡测试（内存泄漏与资源耗尽）、可扩展性测试（横向/纵向扩展验证）。关注指标包括 p95 响应时间、吞吐量、错误率、CPU 与内存占用。工具方面支持 k6（基于 JS、适合 CI/CD）、JMeter（企业级、功能丰富）、Artillery（YAML 配置简单）、Gatling（Scala、报告出色）。
使用方式：先定义 SLO（如“1000 并发用户下 p95 响应时间 < 200ms”），识别关键路径，创建贴近真实用户行为的场景（含思考时间与数据变化），执行时同步监控 CPU、内存、数据库查询与网络，最后分析瓶颈。k6 可通过 thresholds 设置阈值，例如 http_req_duration: ['p(95)<200']、http_req_failed: ['rate<0.01']，并可在 GitHub Actions 中用 grafana/k6-action@v0.3.0 运行。
适用场景：重大发布前、基础设施变更后、大促等扩容事件前、设定 SLA/SLO 时。
限制与注意事项：资料未提供具体收费、价格或平台信息。常见陷阱包括：生成的 k6 脚本常硬编码 base URL，应改用环境变量；容器内压测可能先触及容器资源上限，需保证容器资源为目标的两倍；缺少思考时间会导致负载不真实；应关注 P95/P99 而非平均值；基线对比需环境一致，CI 运行器波动可能带来 20% 以上噪声。