← QA-Bibliothek
Kapitel 11 / 19 · 8 Min. Lesezeit

Performance- und Lasttests

Arten von Performancetests, wichtige Kennzahlen, wie man einen realistischen Lasttest entwirft und die Ergebnisse liest.

Eine Funktion, die für einen Nutzer funktioniert, kann unter tausend zusammenbrechen. Performancetests beantworten drei Fragen: Wie schnell ist das System jetzt, wie viel Last hält es aus, und was bricht zuerst bei Überlast?

Arten von Performancetests

ArtFrageBeispiel
LastWerden die Ziele bei erwartetem Verkehr erreicht?500 gleichzeitige Nutzer stöbern und kaufen 30 Minuten lang
StressWo liegt die Grenze und wie fällt das System aus?Nutzerzahl erhöhen, bis Fehler auftreten
SpitzenÜbersteht es einen plötzlichen Sprung?Verkehr ×10 in einer Minute nach Newsletter oder Spielstart
Dauerlast (Soak)Verschlechtert es sich über die Zeit?Gleichmäßige Last 8–24 Stunden, um Speicherlecks zu finden
SkalierbarkeitHelfen zusätzliche Server?Lasttest mit 2 und 4 Instanzen wiederholen
FrontendWie schnell fühlt sich die Seite an?Core Web Vitals auf einem Mittelklasse-Handy über 4G

Kennzahlen, die zählen

  • Perzentile der Antwortzeit: Der Durchschnitt verdeckt Probleme; achten Sie auf p95 und p99 (95 % / 99 % der Anfragen waren schneller)
  • Durchsatz: Anfragen oder Transaktionen pro Sekunde
  • Fehlerquote: Anteil fehlgeschlagener Anfragen unter Last
  • Ressourcen: CPU, Speicher, Datenbankverbindungen, Warteschlangenlänge
  • Frontend-Metriken: Largest Contentful Paint (Hauptinhalt sichtbar), Interaction to Next Paint (Reaktionsfähigkeit), Cumulative Layout Shift (visuelle Stabilität)
Warum Perzentile wichtig sind: Antwortzeit (ms)Durchschnitt180p50120p95650p991900
Der Durchschnitt sieht gut aus, aber eine von hundert Anfragen dauert fast zwei Sekunden – und diese Nutzer merken es.

Einen realistischen Test entwerfen

  1. Ziele mit dem Business festlegen: z. B. „p95 unter 800 ms für Suche und Checkout bei 300 gleichzeitigen Nutzern, Fehlerquote unter 1 %“.
  2. Echtes Verhalten modellieren: Szenarien und Anteile aus Analytics ableiten – die meisten stöbern, weniger suchen, noch weniger bezahlen.
  3. Daten vorbereiten: genug Produkte, Nutzer und Bestellungen; nicht alle virtuellen Nutzer auf denselben Datensatz.
  4. Produktionsnahe Umgebung nutzen: Ein Test auf einem Server in Laptopgröße sagt wenig über die Produktion.
  5. Schrittweise hochfahren und die Spitze lange genug halten, um Trends zu sehen.
  6. Server überwachen während des Tests, nicht nur den Bericht des Lastwerkzeugs.

Ein kleines k6-Skript

import http from 'k6/http';
import { check, sleep } from 'k6';

export const options = {
  stages: [
    { duration: '2m', target: 100 },  // hochfahren
    { duration: '10m', target: 100 }, // halten
    { duration: '1m', target: 0 },    // herunterfahren
  ],
  thresholds: {
    http_req_duration: ['p(95)<800'],
    http_req_failed: ['rate<0.01'],
  },
};

export default function () {
  const res = http.get('https://staging.example.com/api/products?q=hoodie');
  check(res, { 'status is 200': (r) => r.status === 200 });
  sleep(Math.random() * 3 + 1); // Denkzeit
}

Ergebnisse lesen

Suchen Sie den Punkt, an dem Antwortzeiten steil steigen oder Fehler auftreten, und gleichen Sie ihn mit Servermetriken ab. Typische Ursachen: langsame Datenbankabfragen ohne Index, zu wenige Datenbankverbindungen, synchrone Aufrufe langsamer externer Dienste, fehlendes Caching und Speicherlecks, die erst nach Stunden auftreten.

Werkzeuge

WerkzeugStärke
k6Skripte in JavaScript, ideal für CI und Entwickler
Apache JMeterAusgereift, mit GUI, viele Protokolle
GatlingHohe Leistung, gut lesbare Berichte
LocustSzenarien in Python
Lighthouse / PageSpeed InsightsFrontend-Performance und Core Web Vitals
Performance ist ein Feature. Testen Sie sie vor dem Start und lassen Sie regelmäßig einen kleineren Lasttest laufen, damit keine langsame Abfrage unbemerkt in Produktion gelangt.