Advanced QA & Test Engineering
Trang chủ / Module 9
⚡ Module 9 / 15 · 1-2 tuần

Performance & Load Testing

Thiết kế kịch bản tải thực tế, phân biệt Load/Stress/Spike/Soak Testing, và đọc hiểu kết quả để đưa ra kết luận đúng thay vì chỉ nhìn biểu đồ đẹp.

k6Load Testing
📌 Vì sao module này quan trọng

Chạy 1 công cụ load test và tạo ra biểu đồ là phần dễ — phần khó (và là nơi phân biệt senior) là thiết kế đúng kịch bản phản ánh tải thực tế, và đọc hiểu kết quả để trả lời đúng câu hỏi kinh doanh: "hệ thống chịu được bao nhiêu người dùng thật trước khi trải nghiệm suy giảm".

🎯 Mục tiêu học tập

  • Phân biệt 4 loại performance testing: Load, Stress, Spike, Soak — dùng đúng loại cho đúng câu hỏi
  • Thiết kế kịch bản tải phản ánh hành vi người dùng thực tế, không phải tải đồng nhất giả tạo
  • Đọc hiểu đúng các chỉ số kết quả: percentile latency, throughput, error rate theo tải
  • Xác định điểm nghẽn cổ chai (bottleneck) từ kết quả load test, phối hợp với backend team

4 loại Performance Testing — Dùng đúng loại cho đúng Câu hỏi

LoạiCâu hỏi trả lờiCách thực hiện
Load Testing"Hệ thống hoạt động thế nào ở tải kỳ vọng bình thường?"Giữ tải ổn định ở mức dự kiến thực tế (ví dụ 500 người dùng đồng thời) trong thời gian đủ dài
Stress Testing"Hệ thống sập ở đâu, sập như thế nào?"Tăng dần tải vượt xa mức kỳ vọng cho đến khi hệ thống suy giảm/sập, quan sát nó sập "duyên dáng" hay "thảm khốc"
Spike Testing"Hệ thống phản ứng ra sao khi tải tăng đột ngột?"Tăng tải cực nhanh trong thời gian ngắn (mô phỏng traffic đột biến — flash sale, viral content)
Soak Testing (Endurance)"Hệ thống có vấn đề gì khi chạy liên tục nhiều giờ/ngày?"Giữ tải vừa phải nhưng chạy RẤT LÂU (nhiều giờ đến vài ngày) — phát hiện memory leak, connection pool cạn kiệt dần theo thời gian
💡 Sập "duyên dáng" vs "thảm khốc"

Stress Testing không chỉ tìm điểm sập, mà đánh giá cách hệ thống sập — trả về lỗi 503 rõ ràng và phục hồi ngay khi tải giảm (duyên dáng, đúng tinh thần Resilience đã học ở khoá Architecture Module 9) khác hẳn crash hoàn toàn cần khởi động lại thủ công, hoặc tệ hơn là âm thầm trả dữ liệu sai mà không báo lỗi gì (thảm khốc nhất).

Thiết kế Kịch bản Tải Phản ánh Hành vi Thực tế

// k6 — kịch bản mô phỏng hành vi người dùng thật, không phải request đồng nhất
import http from 'k6/http';
import { sleep, check } from 'k6';

export const options = {
  stages: [
    { duration: '2m', target: 100 },   // ramp-up dần, không nhảy thẳng lên tải đỉnh
    { duration: '5m', target: 100 },   // giữ ổn định ở tải mục tiêu
    { duration: '2m', target: 0 },     // ramp-down
  ],
};

export default function () {
  const res = http.get('https://example.com/products');
  check(res, { 'status is 200': (r) => r.status === 200 });
  sleep(Math.random() * 3 + 1);   // mô phỏng "think time" — người dùng thật không bắn request liên tục
}

Sai lầm phổ biến nhất: cho toàn bộ virtual user bắn request liên tục không nghỉ — tải giả tạo này không phản ánh người dùng thật (luôn có "think time" giữa các hành động) và thường tạo ra kết quả bi quan sai lệch. Kịch bản tốt còn cần trộn nhiều loại hành vi (một số user chỉ browse, một số thực sự mua hàng) theo đúng tỉ lệ quan sát được từ dữ liệu thật (analytics — liên hệ ước lượng capacity đã học ở khoá System Architecture, Module 12).

Đọc hiểu Kết quả — Percentile, không phải Trung bình

⚠️ Latency Trung bình đánh lừa

Average latency 100ms nghe có vẻ tốt, nhưng có thể đang che giấu việc 5% người dùng chờ đến 5 giây — trung bình bị "kéo xuống" bởi phần lớn request nhanh. Luôn báo cáo và ra quyết định dựa trên percentile (P50/P95/P99 — đã học ở khoá System Architecture, Module 12): P95 = 200ms nghĩa là 95% request nhanh hơn 200ms, còn 5% tệ nhất thì sao — đó mới là trải nghiệm thực tế của nhóm người dùng đang chịu thiệt.

3 chỉ số cần đọc cùng nhau, không tách rời: Latency theo percentile (trải nghiệm cảm nhận), Throughput (request/giây hệ thống xử lý được), và Error rate theo mức tải (tại tải nào lỗi bắt đầu tăng đột biến — đây thường là "điểm gãy" thực sự cần quan tâm hơn cả con số tải tối đa lý thuyết).

Xác định Bottleneck & Phối hợp với Backend Team

Load test tự nó chỉ cho biết triệu chứng (latency tăng, error tăng ở tải X) — xác định nguyên nhân (CPU nghẽn? Database connection pool cạn? Bên thứ ba chậm?) cần kết hợp với Observability đã học ở khoá DevOps (Module 7): chạy load test đồng thời quan sát dashboard metric backend (CPU/memory/DB connections/queue length) để thấy chính xác thành phần nào "gãy" trước khi toàn hệ thống suy giảm — đây là lúc QA senior làm việc chặt chẽ với backend/DevOps thay vì chỉ ném báo cáo qua tường.

🏋️ Bài tập thực hành

Thiết kế & Chạy Load Test Thực tế

Chọn 1 API/endpoint quan trọng. Viết kịch bản k6 mô phỏng hành vi thực tế (ramp-up, think time, trộn nhiều loại request). Chạy Load Test ở mức tải kỳ vọng, sau đó Stress Test tăng dần đến khi thấy error rate tăng rõ rệt — ghi lại chính xác tải đó là bao nhiêu. Báo cáo kết quả dùng P50/P95/P99 thay vì trung bình, kèm nhận định về cách hệ thống suy giảm (duyên dáng hay thảm khốc).

📚 Tài nguyên học tập

✅ Tự đánh giá hoàn thành

  • Phân biệt đúng 4 loại performance testing và chọn đúng loại cho đúng câu hỏi
  • Thiết kế kịch bản tải phản ánh hành vi người dùng thực tế, không đồng nhất giả tạo
  • Đọc và báo cáo kết quả theo percentile, không dùng latency trung bình gây hiểu lầm
  • Phối hợp được với backend/DevOps để xác định đúng bottleneck từ kết quả load test