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
| Art | Frage | Beispiel |
|---|---|---|
| Last | Werden die Ziele bei erwartetem Verkehr erreicht? | 500 gleichzeitige Nutzer stöbern und kaufen 30 Minuten lang |
| Stress | Wo liegt die Grenze und wie fällt das System aus? | Nutzerzahl erhöhen, bis Fehler auftreten |
| Spitzen | Übersteht 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 |
| Skalierbarkeit | Helfen zusätzliche Server? | Lasttest mit 2 und 4 Instanzen wiederholen |
| Frontend | Wie 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)
Einen realistischen Test entwerfen
- Ziele mit dem Business festlegen: z. B. „p95 unter 800 ms für Suche und Checkout bei 300 gleichzeitigen Nutzern, Fehlerquote unter 1 %“.
- Echtes Verhalten modellieren: Szenarien und Anteile aus Analytics ableiten – die meisten stöbern, weniger suchen, noch weniger bezahlen.
- Daten vorbereiten: genug Produkte, Nutzer und Bestellungen; nicht alle virtuellen Nutzer auf denselben Datensatz.
- Produktionsnahe Umgebung nutzen: Ein Test auf einem Server in Laptopgröße sagt wenig über die Produktion.
- Schrittweise hochfahren und die Spitze lange genug halten, um Trends zu sehen.
- 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
| Werkzeug | Stärke |
|---|---|
| k6 | Skripte in JavaScript, ideal für CI und Entwickler |
| Apache JMeter | Ausgereift, mit GUI, viele Protokolle |
| Gatling | Hohe Leistung, gut lesbare Berichte |
| Locust | Szenarien in Python |
| Lighthouse / PageSpeed Insights | Frontend-Performance und Core Web Vitals |


