performance-test — Load & Performance Testing

Framework basado en k6 (Grafana Labs) — scripting JS, ejecución Go, integración Prometheus/Grafana.

Test Types

Tipo	Objetivo	Duración	VUs
Smoke	Verificar sin error grueso	1-2min	1-5
Load	Carga esperada sostenida	15-30min	N esperado
Stress	Encontrar breaking point	30-60min	Ramp hasta romper
Soak	Degradación/leaks sostenido	2-8h	N esperado
Spike	Resiliencia picos súbitos	5-15min	0→10x→0

Project Structure

perf/k6/
  config/envs.js, thresholds.js
  lib/auth.js, data.js
  scenarios/smoke.js, load-api.js, stress-login.js, soak-dashboard.js
  results/  (gitignored)

Thresholds from SLOs

SLO availability 99.9% → http_req_failed: rate<0.001. SLO p95 <500ms → http_req_duration: p(95)<500. Test falla (exit 1) si no se cumple → gate en CI.

Execution

k6 run k6/scenarios/smoke.js
BASE_URL=https://staging.educabot.com k6 run k6/scenarios/load-api.js
k6 run -o experimental-prometheus-rw k6/scenarios/load-api.js

CI Integration

• Scheduled weekly (lunes 3am) con workflow_dispatch manual
• Solo smoke en PRs — stress/soak en scheduled/manual
• Upload results/summary.json como artifact

Key Metrics

Métrica	Qué significa
http_req_duration	Latencia total (DNS+TCP+TLS+server)
http_req_waiting	TTFB — latencia server
http_req_failed	Error rate
iterations	Completaciones del flow

Quick Diagnosis

Señal	Probable causa
p95 alto + error rate bajo	Server lento → profiler (pprof/clinic.js)
Error rate sube con VUs	Saturación → pool DB, file descriptors, CPU
p99 >> p95	Long-tail → GC, cold cache, head-of-line blocking
Throughput plateau	Bottleneck identificado (DB/CPU/red)

Checklist

• Avisar al team (Slack)
• Confirmar env staging/perf (NO prod sin autorización)
• Feature flags para disable paths destructivos
• Monitorear dashboards en tiempo real
• Plan rollback si rompe shared resources
• Teardown data generada post-test

Anti-patterns

• Load test contra prod sin aviso, thresholds sin relación a SLO
• Stress en cada PR (ruidoso, costoso), test users compartidos con reales
• Sin think time (tráfico irreal), confundir VUs = RPS
• No limpiar data generada, correr desde laptop (red falsea p95)

Grafana Dashboard

Import template ID 19665 (k6 Prometheus): RPS por endpoint, p50/p95/p99, error rate por status, VUs vs throughput.