Perf fullstack engineer

性能测试/全栈工程师 Agent

触发条件

当用户提出以下需求时加载本技能：

• 性能测试/压测/负载测试/压力测试/稳定性测试
• 性能调优/优化/瓶颈分析/慢查询排查
• 全栈开发/前后端开发/API开发/数据库设计
• 容量规划/性能基线/性能回归
• 全链路压测/高并发/高可用
• 系统架构性能评估/技术选型

核心能力

1. 性能测试

• 需求分析：明确性能指标（TPS/QPS、响应时间P50/P95/P99、并发用户数、吞吐量、错误率、资源利用率）
• 场景设计：基准测试、负载测试、压力测试、稳定性测试（耐久性）、峰值测试、容量规划测试
• 脚本开发：JMeter (.jmx)、k6 (JS)、Locust (Python)、Gatling (Scala) 脚本编写
• 执行与分析：运行压测、收集指标、定位瓶颈
• 报告输出：性能测试报告（含图表、趋势、建议）

2. 全栈开发

• 前端：React/Vue/Next.js 项目搭建、组件开发、状态管理、性能优化（Lighthouse、懒加载、CDN）
• 后端：Node.js/Python/Go/Java API开发、RESTful/GraphQL设计、中间件集成
• 数据库：SQL建模、索引优化、慢查询分析、NoSQL选型
• DevOps：Docker/K8s部署、CI/CD流水线、环境管理
• 架构：微服务/单体架构评估、缓存策略、异步处理、高可用设计

工作流程

性能测试流程

需求分析 → 指标定义 → 场景设计 → 脚本开发 → 测试执行 → 监控采集 → 瓶颈分析 → 调优建议 → 报告输出

步骤1：需求分析与指标定义

• 明确业务场景（登录、下单、搜索、支付等）
• 定义关键指标：
  • TPS/QPS：每秒事务/查询数
  • 响应时间：P50/P95/P99（毫秒级）
  • 并发用户数：在线用户 vs 并发用户
  • 错误率：< 0.1% 通常为可接受
  • 资源利用率：CPU < 80%, 内存 < 80%, 磁盘IO < 70%
• 确定测试环境（生产环境/预发布环境/压测环境）

步骤2：场景设计

• 基准测试：单用户/低并发，建立性能基线
• 负载测试：逐步增加并发，观察系统行为
• 压力测试：超过预期负载，观察系统极限和恢复能力
• 稳定性测试：长时间运行（4-24h），检测内存泄漏、连接泄漏
• 峰值测试：模拟突发流量（秒杀、大促）
• 容量规划测试：找到系统拐点，确定最大承载能力

步骤3：脚本开发

• k6（推荐，JS/Go混合，轻量，CI友好）：

  import http from 'k6/http';
  import { check, sleep } from 'k6';
  export const options = {
    stages: [
      { duration: '2m', target: 100 },  // 爬坡
      { duration: '5m', target: 100 },  // 稳定
      { duration: '2m', target: 0 },   // 下降
    ],
    thresholds: {
      http_req_duration: ['p(95)<500'],
      http_req_failed: ['rate<0.01'],
    },
  };
  export default function () {
    const res = http.get('https://api.example.com/endpoint');
    check(res, { 'status 200': (r) => r.status === 200 });
    sleep(1);
  }
  

• JMeter：GUI录制 + CLI执行，适合复杂场景（参数化、关联、断言、分布式压测）
• Locust：Python编写，适合自定义协议和复杂业务逻辑
• wrk/ab：快速命令行压测，适合简单HTTP接口

步骤4：监控与数据采集

• 系统层：top/htop, vmstat, iostat, netstat, dstat, sar
• JVM：jstat, jstack, jmap, jcmd, GC日志分析
• 数据库：SHOW PROCESSLIST, EXPLAIN ANALYZE, pg_stat_activity, 慢查询日志
• APM：Prometheus + Grafana 面板（RED指标：Rate/Errors/Duration）
• 容器：kubectl top, cAdvisor, k9s

步骤5：瓶颈分析

• CPU瓶颈：高CPU使用率 → 检查是否有死循环、频繁GC、密集计算
• 内存瓶颈：内存泄漏 → heap dump分析、GC日志、OOM排查
• IO瓶颈：磁盘IO高 → 检查慢查询、日志写入、文件操作
• 网络瓶颈：带宽不足、DNS解析慢、TCP连接池耗尽
• 数据库瓶颈：慢查询、锁等待、连接池耗尽、索引缺失
• 应用瓶颈：线程池耗尽、连接泄漏、缓存未命中、序列化开销

步骤6：调优建议

• 代码级：减少循环嵌套、使用批量操作、异步化、缓存热点数据
• 数据库级：添加索引、优化SQL、读写分离、分库分表、连接池调优
• 缓存级：Redis/Memcached缓存热点数据、CDN加速静态资源
• 架构级：读写分离、异步消息队列、水平扩展、限流降级熔断
• 基础设施：增加节点、升级硬件、调整内核参数（net.core.somaxconn等）

步骤7：报告输出

• 性能测试报告模板（含测试环境、场景、结果、瓶颈分析、调优建议）
• 趋势图（TPS趋势、响应时间分布、资源利用率曲线）
• 对比分析（基线 vs 当前、优化前后）

全栈开发流程

需求分析 → 技术选型 → 架构设计 → 数据库设计 → API开发 → 前端开发 → 联调测试 → 部署上线 → 监控运维

步骤1：需求分析与技术选型

• 评估业务需求，选择合适技术栈
• 前端：React/Vue/Next.js/Nuxt + TypeScript
• 后端：Node.js/Python/Go/Java
• 数据库：PostgreSQL/MySQL/MongoDB/Redis
• 部署：Docker/K8s/Serverless

步骤2：架构设计

• 单体 vs 微服务 vs Serverless
• API设计（RESTful/GraphQL/gRPC）
• 数据流设计（同步/异步/事件驱动）
• 缓存策略（本地缓存/分布式缓存/CDN）
• 安全设计（认证/授权/限流/防SQL注入/XSS/CSRF）

步骤3：数据库设计

• 表结构设计（范式化 vs 反范式化）
• 索引策略（B-tree、Hash、GIN、GiST、全文索引）
• 分库分表策略（水平分片/垂直分片）
• 读写分离、主从复制

步骤4：API开发

• RESTful API 设计规范（资源命名、HTTP方法、状态码、版本控制）
• GraphQL 设计（Schema定义、Resolver、DataLoader优化N+1）
• gRPC 设计（Proto定义、流式通信、双向流）
• 中间件（认证、限流、日志、错误处理、请求验证）

步骤5：前端开发

• 组件化开发（React/Vue组件设计、状态管理、Props/Events）
• 性能优化（代码分割、懒加载、虚拟列表、图片优化、CDN）
• 状态管理（Redux/Pinia/Zustand/React Query）
• 构建配置（Webpack/Vite/Turbopack）

步骤6：部署与运维

• Docker 容器化（Dockerfile 优化、多阶段构建、镜像瘦身）
• Docker Compose / Kubernetes 编排
• CI/CD 流水线（GitHub Actions / GitLab CI / Jenkins）
• 监控告警（Prometheus + Grafana / Sentry / ELK）

工具速查

性能测试工具

工具	适用场景	安装方式
k6	轻量压测，CI集成，JS脚本	brew install k6 / Docker
JMeter	复杂场景，分布式压测，GUI录制	brew install jmeter
Locust	Python自定义协议，Web UI	pip install locust
wrk	快速HTTP压测	brew install wrk
Vegeta	Go HTTP压测库	brew install vegeta
ab	Apache Bench，简单GET压测	apt install apache2-utils

监控/Profiling工具

工具	用途	命令/用法
Prometheus	指标采集	prometheus --config.file=prometheus.yml
Grafana	可视化面板	brew install grafana
async-profiler	Java CPU/内存采样	profiler.sh -d 30 -o flamegraph.html <pid>
jstat	JVM GC监控	jstat -gcutil <pid> 1000
jstack	Java线程栈	jstack <pid> > threaddump.txt
jmap	Java堆dump	jmap -dump:live,format=b,file=heap.hprof <pid>
perf	Linux性能采样	perf top, perf record -g
pprof	Go性能分析	go tool pprof http://localhost:8080/debug/pprof/heap
Lighthouse	前端性能审计	lighthouse https://example.com --view
Chrome DevTools	前端性能分析	Performance/Lighthouse/Network面板

数据库性能诊断

-- MySQL: 查看当前运行中的查询
SHOW FULL PROCESSLIST;

-- MySQL: 慢查询日志分析
SET GLOBAL slow_query_log = ON;
SET GLOBAL long_query_time = 1;

-- MySQL: 查询执行计划
EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 123;

-- PostgreSQL: 查看当前活跃查询
SELECT pid, state, query, wait_event_type, wait_event
FROM pg_stat_activity WHERE state != 'idle';

-- PostgreSQL: 慢查询
SELECT query, calls, total_time, mean_time, rows
FROM pg_stat_statements ORDER BY total_time DESC LIMIT 10;

-- PostgreSQL: 锁等待
SELECT blocked_locks.pid AS blocked_pid,
       blocking_locks.pid AS blocking_pid
FROM pg_locks blocked_locks
JOIN pg_locks blocking_locks ON ...

前端性能诊断

# Lighthouse CLI
npx lighthouse https://example.com --view

# Chrome DevTools Protocol 自动化
npx puppeteer script.js

# WebPageTest API
curl -X POST "https://www.webpagetest.org/runtest.php?url=https://example.com&f=json&k=<API_KEY>"

全栈项目脚手架

# React + Vite + TypeScript
npm create vite@latest my-app -- --template react-ts

# Next.js 全栈
npx create-next-app@latest my-app --typescript --tailwind --eslint

# FastAPI 后端
pip install fastapi uvicorn sqlalchemy asyncpg

# Spring Boot
curl https://start.spring.io/starter.zip -d dependencies=web,data-jpa,postgresql,actuator -o demo.zip

常见问题与排查

性能测试常见问题

问题	可能原因	排查方法
TPS上不去	客户端瓶颈/网络带宽/服务器资源	检查客户端CPU、网络、服务器资源
响应时间突增	慢查询/GC暂停/锁竞争	查看慢查询日志、GC日志、线程dump
错误率升高	连接池耗尽/超时/限流触发	检查连接池状态、超时配置、限流阈值
内存持续增长	内存泄漏	heap dump分析、GC日志、对象引用链
CPU 100%	死循环/频繁GC/密集计算	jstack/async-profiler火焰图
数据库连接耗尽	连接泄漏/连接池过小	SHOW PROCESSLIST 检查空闲连接

全栈开发常见问题

问题	排查方法
跨域问题	检查CORS配置、代理设置、Nginx反向代理
接口慢	检查SQL执行计划、缓存命中率、N+1查询
前端白屏	检查控制台错误、网络请求、JS报错、资源加载
部署失败	检查Docker构建日志、K8s events、Pod状态
内存泄漏	heap dump分析、Chrome DevTools Memory面板
数据库死锁	SHOW ENGINE INNODB STATUS / pg_locks

报告模板

性能测试报告结构

1. 测试概述（目的、范围、环境）
2. 测试指标（TPS、响应时间、错误率、资源利用率）
3. 测试场景（场景描述、负载模型、持续时间）
4. 测试结果
   - 汇总表（各场景指标对比）
   - TPS趋势图
   - 响应时间分布图（P50/P95/P99）
   - 资源利用率曲线（CPU/内存/IO/网络）
5. 瓶颈分析（逐层排查结果）
6. 调优建议（按优先级排序）
7. 结论（是否达标、建议上线/回滚）

注意事项

性能测试注意事项

1. 预热：压测前先预热（JIT编译、连接池初始化、缓存填充）
2. 隔离：压测环境与生产环境隔离，避免影响线上
3. 数据准备：测试数据量要接近生产规模，避免冷热数据偏差
4. 监控先行：压测前确保监控到位（APM、资源、数据库、日志）
5. 逐步加压：从低并发开始逐步增加，观察系统行为变化
6. 清理：每次压测后清理测试数据，避免污染
7. 多次执行：至少执行3次取平均值，排除偶然因素
8. 客户端瓶颈：压测客户端本身可能成为瓶颈（CPU/网络/连接数），必要时使用分布式压测
9. cooldown：每次场景间留冷却时间，让系统恢复

全栈开发注意事项

1. 安全第一：SQL注入、XSS、CSRF、认证鉴权、敏感信息加密
2. 错误处理：全局异常捕获、友好的错误提示、日志记录
3. 输入验证：前后端双重验证，防止畸形数据
4. 环境管理：开发/测试/预发布/生产环境配置分离
5. 版本控制：Git分支策略（Git Flow / Trunk Based）
6. 代码质量：ESLint/Prettier、单元测试覆盖率 > 80%
7. API版本管理：URL路径版本 / Header版本 / 参数版本
8. 日志规范：结构化日志（JSON格式）、链路追踪ID贯穿全链路

与测试工程师Agent的协作

• test-engineer 技能覆盖通用测试（单元测试、UI自动化、API测试、CI集成），适合日常测试任务
• perf-fullstack-engineer（本技能）专注深度性能测试 + 全栈开发
• 协作模式：test-engineer 处理日常测试流水线；对于需要完整性能测试工作流的深度任务（瓶颈分析、容量规划、JVM调优等），加载本技能配合

验证方法

性能测试验证

1. 运行k6脚本确认压测正常执行：k6 run script.js
2. 检查Prometheus指标是否正常采集：curl http://localhost:9090/api/v1/query?query=up
3. 验证Grafana面板数据展示
4. 检查数据库慢查询日志是否开启
5. 确认火焰图生成：async-profiler -d 30 -o flamegraph.html <pid>

全栈开发验证

1. 前端：npm run build 无报错，Lighthouse评分
2. 后端：pytest / go test / mvn test 全部通过
3. API：curl 或 Postman 验证接口响应
4. 数据库：EXPLAIN ANALYZE 确认查询计划
5. 部署：docker-compose up 服务正常启动
6. CI：GitHub Actions 流水线绿色通过