全链路压测时怎么观测：流量标记与瓶颈定位

结论先行：压测的价值不在压出峰值数字，而在压出瓶颈位置。要做到这一点，观测侧要提前做四件事：给压测流量打标记并与生产流量分开统计、把采样临时切到全量、按链路节点而不是按接口看耗时、压测结束当天恢复常态并清理压测数据。否则压测期间的指标会污染生产基线，事后也查不到瓶颈到底在哪一跳。

为什么压测常常"压完了但没结论"

常见的压测报告只有两个数字：能扛多少并发、平均耗时是多少。这两个数字能回答"够不够用"，回答不了"为什么不够用"。

原因通常有三点：压测流量和真实流量混在同一个指标里，事后无法区分；采样率沿用常态配置，异常样本恰好被丢掉；耗时只统计到接口层，看不出是网关、应用、中间件还是数据库在拖后腿。三点都属于可观测侧的配置问题，不需要更换工具。

压测前：三件事必须先做

给压测流量打标记

在入口处为压测请求注入统一标识，并让它随链路全程透传，包括异步与消息环节。有了标识，就能在同一张图上把压测与真实流量拆成两条曲线，也能在压测结束后按标识精确清理数据。

没有标识的替代做法是限定压测时段并单独记录时间窗，缺点是压测与业务高峰重叠时无法区分，也不便于清理。

采样切到全量，并设置上限

常态采样通常为省钱而设，压测期间瓶颈恰恰出现在少量请求上，低采样会直接把证据丢掉。建议在压测窗口内对被测接口开启全量采集，同时写明两条约束：单次全量最长持续多久、存储水位超过多少时强制回落。保护措施本身不能变成新的故障源。

告警静默要带期限

压测必然触发耗时与错误率告警，不静默会淹没值班通道。静默应按对象加时间段整体设置，注明原因、责任人与解除时间，到期自动恢复。压测结束后忘记解除静默，是后续真实故障漏报的常见来源。

压测中：四类指标要一起看

第四点最容易被跳过。集群均值会把少数高负载实例掩盖掉，而这些实例往往就是压测中先报错的那批。分位耗时与实例级水位结合起来看，才能区分"整体容量不足"与"负载不均"这两种完全不同的结论。

另建议在压测过程中同步观察错误率的结构变化，而不只看总量：超时、限流、真实报错应当分开统计。三类错误的处置方向完全不同，混在一起容易得出"系统扛不住"这种无法行动的结论。

压测后：当天要收尾

• 恢复采样与告警。压测结束即回到常态采样率，解除全部静默，并核对一次解除结果。
• 清理压测数据。按标识删除或单独归档压测产生的链路与日志，避免污染生产基线与容量统计。
• 产出瓶颈清单。按"环节—现象—证据—建议"四列输出，每个瓶颈都要能指向具体链路或语句，而不是笼统的"数据库压力大"。
• 修正容量结论。用压测得到的实际换算关系更新此前的预测斜率，并把扩容建议接到工单上，而不是停在报告里。

落地清单

• 压测方案里明确观测侧配置：流量标识、采样策略、静默范围与期限。
• 被测接口清单提前确定，逐条配置全量采集与上限。
• 压测看板按四类指标组织，分位耗时与实例水位必须有。
• 结束当天完成采样恢复、静默解除与数据清理，并留记录。
• 压测结论进入下一轮容量预测与扩容计划，形成固定节奏。

三个常见坑

• 压测流量没标记，事后无法与真实流量区分，基线与容量统计被污染。
• 只看平均值与总量错误率，拐点和结构性变化全部被抹平。
• 静默忘记解除，压测结束后真实告警被挡在门外。

如果您正在规划相关建设，欢迎预约咨询，奇摩技术团队可结合现网情况给出可落地的清单与口径建议。