压测报告写着 10 万 QPS 通过,上线 3 万就挂了
引言 大促前两周,压测报告出来:混合场景峰值 10 万 QPS,P99 82ms,错误率 0.01%。评审会上所有人都在点头,容量评估表上写着"满足大促 2.5 倍峰值"。 上线首日,真实流量到 3 万 QPS 时,P99 冲到 2 秒,错误率 8%,网关开始 429。 同一条链路,两个数字差了 3 倍。复盘时我们把压测报告和线上监控逐项对齐,发现三处"通过"都是假的: 压测环境下游 RPC 是 mock 的,真实链路里那一段占了 40% 的耗时 压测数据只有 100 万条,缓存命中率 99.2%;线上 2 亿条,命中率 88% JMeter 单机实际只发出去 3.2 万 QPS,"10 万"是把四台发压机的数字直接相加得来的 先给结论:全链路压测的"全"字最容易造假——只要有一层被 mock、有一份数据不真实、有一台发压机能力不够,报告上的数字就不是容量,是幻觉。 一、第一反应:先怀疑发压端,而不是被测系统 看到"压测 10 万、线上 3 万就挂",第一反应往往是"线上环境配置差"。但更常见的原因在发压侧。 JMeter 单机能力有个粗略的天花板:8 核 16G、256 线程、简....