告别JMeter！小白也能轻松实现性能压测/监控-编程阁

为什么选择 k6，而不是JMeter。

曾经我也用 JMeter 做压测——拖拽组件、配置线程组、调试监听器……看似图形化，实则繁琐低效。直到遇见k6：一个用 JavaScript 写脚本、命令行一键运行、天然集成 CI/CD 的现代压测工具。

选择 k6，不是因为它“取代”了 JMeter，而是因为它解决了 JMeter 在“开发者工作流”中的痛点：

脚本难维护 → 用 JS 写，Git 友好
资源消耗大 → 轻量高效
CI 集成麻烦 → 命令行原生支持
监控复杂 → 一键对接 Grafana

如果你也不想用JMeter复杂的UI界面，我更推荐你使用k6，你可以告诉AI你的压测需求，它可以自动帮你生成多方面自动化脚本，小白也能快速实现性能压测/调优可视化！

快速安装

macOS：brew install k6
Linux（Debian/Ubuntu）：
- 添加仓库密钥与源，执行 sudo apt-get install k6

sudogpg --no-default-keyring --keyring /usr/share/keyrings/k6-archive-keyring.gpg --keyserver hkp://keyserver.ubuntu.com:80 --recv-keys C5AD17C747E3415A3642D57D77C6C491D6AC1D69echo'deb [signed-by=/usr/share/keyrings/k6-archive-keyring.gpg] https://dl.k6.io/deb stable main'|sudotee/etc/apt/sources.list.d/k6.listsudoapt-getupdate&&sudoapt-getinstallk6

Windows（Scoop/WSL）：
- scoop install k6 或在 WSL 内安装
验证安装

k6 version# 输出：k6.exe v1.4.0 (commit/a9f9e3b28a, go1.25.4, windows/amd64)

核心概念

VU（Virtual User）：虚拟用户，模拟真实用户行为。
Iteration：每个 VU 执行一次 default 函数即一次迭代。
Options：并发数、持续时间、阈值、阶段（stages）。
Checks：断言，不影响请求但计入通过率。
Thresholds：性能阈值（如 P95 < 200ms），违反则测试失败。

第一个脚本：测试短链跳转

文件：web/k6/redirect.js
脚本要点：
- 运行阶段（stages）模拟并发爬坡与回落。
- 阈值约束 p95，防止性能回归。
- 支持环境变量覆盖 BASE、CODES、VUS。
- 内置 HTML 报告生成（无需额外安装）。

importhttpfrom'k6/http'import{check,sleep}from'k6'import{htmlReport}from'https://raw.githubusercontent.com/benc-uk/k6-reporter/main/dist/bundle.js'exportconstoptions={stages:[{duration:'30s',target:Number(__ENV.VUS1||100)},{duration:'2m',target:Number(__ENV.VUS2||500)},{duration:'30s',target:0},],thresholds:{http_req_duration:['p(95)<300'],checks:['rate>0.99'],},}constBASE=__ENV.BASE||'http://localhost:8080'letcodes=(__ENV.CODES||'千问,腾讯技术').split(',').map(s=>s.trim()).filter(Boolean)if(codes.length===0)codes=['test']exportdefaultfunction(){constcode=codes[Math.floor(Math.random()*codes.length)]consturl=`${BASE}/${encodeURIComponent(code)}`constres=http.get(url,{redirects:0})check(res,{'302':r=>r.status===302})sleep(Number(__ENV.SLEEP||0.3))}exportfunctionhandleSummary(data){return{'summary.json':JSON.stringify(data),'summary.html':htmlReport(data)}}

脚本可以直接让ai生成大大加快压测速度

运行：
- cd web/k6
- k6 run .\redirect.js
- 生成 summary.html / summary.json（用浏览器打开 HTML 即可）。

压测结果分析

http_reqs：总请求与速率（QPS），衡量吞吐。
http_req_duration：总时延（p50/p90/p95）；p95 是体验目标的主指标。
http_req_waiting：TTFB（服务端处理主耗时）；若≈duration，瓶颈在服务端。
http_req_failed / checks：错误率与断言通过率；理想≈0%、≈100%。
被违反阈值（breached thresholds）：性能目标未达标的直接证据。
趋势曲线：随阶段变化的延迟与吞吐，拐点暴露瓶颈（连接池/线程/队列/GC）。

HTML 报告适合单次测试查看，但长期性能趋势分析仍需对接 Grafana。

生成实时可视化报告（InfluxDB + Grafana）

目标：压测过程中就能看到并发、QPS、延迟曲线，便于定位时段性问题。

准备（Docker，不装即用）
- docker pull influxdb:1.8 && docker run -d --name influxdb -p 8086:8086 influxdb:1.8
- docker exec -it influxdb influx -execute “CREATE DATABASE k6”
- docker pull grafana/grafana:latest && docker run -d --name grafana -p 3000:3000 grafana/grafana:latest
将 k6 写入 InfluxDB：
- k6 run -o influxdb=http://localhost:8086/k6 .\redirect.js
Grafana 配置：
- 访问 http://localhost:3000，密码默认（admin,admin）
- 添加数据源 InfluxDB：URL <http://localhost:8086，DB k6>
- 导入 k6 看板 ID 10660
- 即可实时查看 VUs、RPS、http_req_duration、错误率曲线

将压测集成到 CI/CD：实现自动化性能回归

光有本地压测还不够。真正的工程实践是：每次代码提交，自动运行压测，性能下降立即告警。

以 GitHub Actions 为例，在项目中添加.github/workflows/perf-test.yml：

name:Performance Teston:push:branches:[main]# 推送到主分支时触发jobs:k6:runs-on:ubuntu-lateststeps:-uses:actions/checkout@v4-name:Run k6 testenv:BASE_URL:https://example.com#按需修改run:|docker run -i --rm -v ${PWD}:/scripts -e BASE_URL \ grafana/k6 run /scripts/web/k6/redirect.js