パフォーマンステスト

目次

• 概要
• 使用する場面
• クイックスタート
• リファレンスガイド
• ベストプラクティス

概要

パフォーマンステストは、レスポンスタイム、スループット、リソース利用率、スケーラビリティなど、様々な負荷条件下でシステムがどのように動作するかを測定します。ボトルネックの特定、パフォーマンス要件の検証、およびシステムが予想される負荷に対応できることを確認するのに役立ちます。

使用する場面

• レスポンスタイム要件の検証
• API スループットとレイテンシの測定
• データベースクエリパフォーマンスのテスト
• パフォーマンスボトルネックの特定
• アルゴリズム効率の比較
• 最適化前後のベンチマーク
• キャッシング効果の検証
• 同時ユーザー容量のテスト

クイックスタート

最小限の動作例:

// load-test.js
import http from "k6/http";
import { check, sleep } from "k6";
import { Rate, Trend } from "k6/metrics";

// Custom metrics
const errorRate = new Rate("errors");
const orderDuration = new Trend("order_duration");

// Test configuration
export const options = {
  stages: [
    { duration: "2m", target: 10 }, // Ramp up to 10 users
    { duration: "5m", target: 10 }, // Stay at 10 users
    { duration: "2m", target: 50 }, // Ramp up to 50 users
    { duration: "5m", target: 50 }, // Stay at 50 users
    { duration: "2m", target: 0 }, // Ramp down to 0
  ],
  thresholds: {
    http_req_duration: ["p(95)<500"], // 95% of requests under 500ms
    http_req_failed: ["rate<0.01"], // Error rate under 1%
    errors: ["rate<0.1"], // Custom error rate under 10%
  },
};

// ... (see reference guides for full implementation)

リファレンスガイド

references/ ディレクトリの詳細な実装:

ガイド	内容
k6 for API Load Testing	API ロードテスト用の k6
Apache JMeter	Apache JMeter
pytest-benchmark for Python	Python 用 pytest-benchmark
JMH for Java Benchmarking	Java ベンチマーク用 JMH
Database Query Performance	データベースクエリパフォーマンス
Real-Time Monitoring	リアルタイム監視

ベストプラクティス

✅ すべきこと

• 明確なパフォーマンス要件 (SLA) を定義する
• リアルなデータ量でテストする
• リソース利用率を監視する
• キャッシング効果をテストする
• 平均値ではなくパーセンタイル (P95, P99) を使用する
• 測定前にウォームアップを実施する
• 本番環境に近い環境でテストを実行する
• N+1 クエリ問題を特定して修正する

❌ してはいけないこと

• 小さいデータセットだけでテストする
• メモリリークを無視する
• 現実的でない環境でテストする
• 平均レスポンスタイムだけに焦点を当てる
• データベースインデックス分析をスキップする
• ハッピーパスだけをテストする
• ネットワークレイテンシを無視する
• 統計的有意性なしに比較する