K6 負載測試完整指南：搭配 Grafana 與 InfluxDB 實現即時監控

專案概述

本專案展示如何使用 K6 進行 API 負載測試，並透過 InfluxDB 儲存測試數據，最後在 Grafana 上建立視覺化儀表板，實現即時監控測試結果。

架構說明

┌─────────┐      ┌──────────────┐      ┌─────────┐
│   K6    │─────>│  InfluxDB    │─────>│ Grafana │
│ (測試器) │      │ (時序資料庫)  │      │ (視覺化) │
└─────────┘      └──────────────┘      └─────────┘

核心元件

1. K6: 開源負載測試工具，使用 JavaScript 編寫測試腳本
2. InfluxDB: 時序資料庫，儲存測試過程中產生的指標數據
3. Grafana: 資料視覺化平台，建立即時監控儀表板

---

一、測試腳本生成器

腳本自動生成

專案使用 Node.js 動態生成 K6 測試腳本，主要優勢：

• 參數化測試: 自動組合多個商店、日期區間和 API 端點
• 批量生成: 一次生成所有測試場景組合
• 易於維護: 集中管理測試配置

核心配置

// 測試目標配置
const stores = ["店鋪A", "店鋪B", "店鋪C"];
const dates = [
    { start: "2025-11-14", end: "2025-11-15" },
    // ... 更多日期區間
];
const endpoints = [
    "/api/inventory",
    "/api/status",
    // ... 更多端點
];

測試場景組合

透過三層迴圈自動生成所有測試組合：

stores.forEach((store) => {
    dates.forEach((range) => {
        endpoints.forEach((ep) => {
            USERS.push({
                store,
                endpoint: ep,
                start: range.start,
                end: range.end
            });
        });
    });
});

計算範例: 4 個店鋪 × 3 個日期區間 × 3 個端點 = 36 種測試場景

---

二、K6 負載測試配置

測試策略

專案採用 恆定到達率 (Constant Arrival Rate) 策略：

export const options = {
    scenarios: {
        load_test: {
            executor: 'constant-arrival-rate',
            rate: 200,              // 每秒 200 個請求
            timeUnit: '1s',         // 時間單位
            duration: '30s',        // 測試持續 30 秒
            preAllocatedVUs: 50,    // 預分配 50 個虛擬用戶
            maxVUs: 500,            // 最多 500 個虛擬用戶
        }
    }
};

關鍵指標

自定義指標追蹤：

const errorCounter = new Counter('custom_errors');      // 錯誤計數
const successCounter = new Counter('custom_success');   // 成功計數
const responseTime = new Trend('custom_response_time'); // 響應時間趨勢

測試邏輯

每個虛擬用戶執行流程：

1. 隨機選擇場景: 從 36 種組合中隨機選擇一個測試場景
2. 發送請求: 向目標 API 發送 GET 請求
3. 驗證響應: 檢查狀態碼和響應內容
4. 記錄指標: 追蹤響應時間和成功/失敗次數

export default function () {
    const user = USERS[Math.floor(Math.random() * USERS.length)];
    const url = `${BASE_URL}${user.endpoint}/${user.store}?startDate=...`;
    
    const response = http.get(url, { headers: HEADERS });
    
    check(response, {
        'status = 200': r => r.status === 200,
        'body not empty': r => r.body && r.body.length > 0,
    });
    
    responseTime.add(response.timings.duration);
}

---

三、Docker 環境配置

Docker Compose 架構

使用 Docker Compose 快速啟動監控環境：

version: '3.7'
services:
  influxdb:
    image: influxdb:1.8
    ports:
      - "8086:8086"
    environment:
      - INFLUXDB_DB=k6
      - INFLUXDB_ADMIN_ENABLED=true
    volumes:
      - ./influxdb:/var/lib/influxdb

  grafana:
    image: grafana/grafana
    ports:
      - "3000:3000"
    environment:
      - GF_SECURITY_ADMIN_PASSWORD=admin
    volumes:
      - ./grafana:/var/lib/grafana

服務說明

服務	端口	用途	資料持久化
InfluxDB	8086	儲存測試指標數據	./influxdb
Grafana	3000	視覺化儀表板	./grafana

---

四、執行流程

1. 啟動監控環境

chmod +x start-dashboard.sh
./start-dashboard.sh

輸出結果：

Starting k6 local dashboard (Grafana + InfluxDB)...

=========================================
Grafana  → http://localhost:3000 (admin/admin)
InfluxDB → http://localhost:8086
=========================================

2. 生成測試腳本

node generate-test.js

生成 load-test.js 文件，包含所有測試場景。

3. 執行負載測試

k6 run --out influxdb=http://localhost:8086/k6 load-test.js

參數說明：

• --out influxdb: 將測試數據輸出到 InfluxDB
• http://localhost:8086/k6: InfluxDB 連接字串（資料庫名稱為 k6）

4. 查看測試結果

在終端中會即時顯示：

✓ status = 200
✓ body not empty

checks.........................: 100.00% ✓ 12000 ✗ 0
custom_errors..................: 0
custom_success.................: 6000
http_req_duration..............: avg=45.23ms min=12.34ms max=234.56ms
http_reqs......................: 6000    200/s

---

五、Grafana 儀表板配置

首次登入設定

1. 訪問 http://localhost:3000
2. 使用預設帳密登入：admin / admin
3. 首次登入會要求修改密碼

添加 InfluxDB 數據源

步驟：

1. 點擊左側齒輪圖示 → Configuration → Data Sources
2. 點擊 Add data source → 選擇 InfluxDB
3. 配置連接參數：

   URL: http://influxdb:8086
   Database: k6

4. 點擊 Save & Test 驗證連接

建立監控面板

關鍵指標面板

1. 請求速率 (Requests Per Second)

   • Query: SELECT mean("value") FROM "http_reqs" WHERE $timeFilter GROUP BY time(1s)
   • 圖表類型: Graph
   • 監控每秒請求數是否達到目標（200 RPS）

2. 響應時間分佈

   • Query: SELECT mean("value") FROM "http_req_duration" WHERE $timeFilter GROUP BY time(1s)
   • 圖表類型: Graph
   • 顯示 P95, P99 百分位數

3. 錯誤率

   • Query: SELECT sum("value") FROM "custom_errors" WHERE $timeFilter
   • 圖表類型: Stat
   • 監控失敗請求數量

4. 成功率

   • Query:

     SELECT (sum("custom_success") / (sum("custom_success") + sum("custom_errors"))) * 100
     FROM "k6" WHERE $timeFilter

   • 圖表類型: Gauge
   • 顯示成功率百分比

進階面板

5. 虛擬用戶數 (VUs)

   • 監控當前活躍的虛擬用戶數量
   • 驗證是否達到預期並發數

6. 數據傳輸量

   • 顯示發送/接收的數據量
   • 評估網路頻寬使用

---

六、測試結果分析

關鍵性能指標 (KPI)

指標	目標值	說明
RPS	200/秒	每秒請求數
P95 延遲	< 100ms	95% 請求的響應時間
錯誤率	< 1%	失敗請求比例
成功率	> 99%	成功請求比例

效能瓶頸識別

透過 Grafana 儀表板觀察：

1. 響應時間突增 → 可能是資料庫查詢慢或 API 處理邏輯問題
2. 錯誤率上升 → 檢查錯誤日誌，識別失敗原因（超時、5xx 錯誤等）
3. VU 數量達到上限 → 系統可能無法承受更高並發
4. 檢查點失敗 → 特定驗證條件未通過（如響應格式錯誤）

---

七、最佳實踐建議

測試設計

1. 漸進式加壓: 先從低負載開始，逐步增加到目標負載
2. 場景多樣化: 模擬真實用戶行為，混合不同 API 端點
3. 設定合理閾值: 根據業務需求定義可接受的性能指標

數據保存

# 定期備份 InfluxDB 數據
docker exec k6-influxdb influxd backup -database k6 /backup

# 匯出 Grafana 儀表板配置
curl -H "Content-Type: application/json" \
     http://admin:admin@localhost:3000/api/dashboards/db/k6-dashboard \
     > dashboard-backup.json

持續監控

• 基線測試: 建立效能基線，用於後續比較
• 回歸測試: 每次部署後執行負載測試，確保性能未退化
• 告警設定: 在 Grafana 設定告警規則，當指標異常時自動通知

---

八、故障排除

常見問題

Q: K6 無法連接到 InfluxDB

# 檢查 Docker 網路
docker network ls
docker network inspect k6_default

# 確認 InfluxDB 運行狀態
docker logs k6-influxdb

Q: Grafana 無法查詢數據

• 確認數據源配置正確（URL 使用容器名稱 influxdb）
• 檢查資料庫名稱是否為 k6
• 驗證時間範圍設定

Q: 測試過程中大量錯誤

• 檢查目標 API 是否可訪問
• 驗證認證 headers 是否正確
• 降低負載（減少 rate 參數）重新測試

---

總結

本專案提供了一套完整的負載測試解決方案：

✅ 自動化: 腳本自動生成，減少手動配置
✅ 可擴展: 輕鬆添加新的測試場景
✅ 即時監控: Grafana 儀表板實時顯示性能指標
✅ 數據持久化: InfluxDB 保存歷史數據用於分析
✅ 容器化: Docker Compose 一鍵啟動環境

透過這套工具，團隊可以：

• 在開發階段及早發現性能問題
• 評估系統在高負載下的穩定性
• 為容量規劃提供數據支撐
• 建立持續的性能監控體系

---

參考資源

• K6 官方文檔
• InfluxDB 文檔
• Grafana 文檔