performance-testing

パフォーマンステスト

<default_to_action> パフォーマンスをテストする場合、または負荷テストを計画する場合：

1. SLO を定義します：p95 応答時間、スループット、エラー率の目標
2. 重要なパスを特定します：収益につながるフロー、トラフィックの多いページ、主要な API
3. 現実的なシナリオを作成します：ユーザージャーニー、思考時間、さまざまなデータ
4. モニタリングしながら実行します：CPU、メモリ、DB クエリ、ネットワーク
5. ボトルネックを分析し、本番環境に導入する前に修正します

テストタイプのクイック選択：

• 想定負荷の検証 → 負荷テスト
• 限界点の特定 → ストレステスト
• 突発的なトラフィック急増 → スパイクテスト
• メモリリーク、リソース枯渇 → 耐久／ソークテスト
• 水平／垂直スケーリング → スケーラビリティテスト

成功のための重要な要素：

• パフォーマンスは後回しにせず、機能の一部として扱います
• リリース直前だけでなく、早い段階から頻繁にテストします
• ユーザーに影響するボトルネックに注力します </default_to_action>

クイックリファレンスカード

使用するタイミング

• 主要リリースの前
• インフラストラクチャの変更後
• スケーリングイベント（Black Friday）の前
• SLA／SLO の設定時

テストタイプ

タイプ	目的	タイミング
負荷	想定されるトラフィック	リリースごと
ストレス	容量を超える負荷	四半期ごと
スパイク	突発的な急増	イベントの前
耐久	メモリリーク	コード変更後
スケーラビリティ	スケーリングの検証	インフラストラクチャの変更時

主要なメトリクス

メトリクス	目標	理由
p95 応答時間	< 200ms	ユーザーエクスペリエンス
スループット	10k req/min	容量
エラー率	< 0.1%	信頼性
CPU	< 70%	余裕
メモリ	< 80%	安定性

ツール

• k6：モダンで、JS ベース、CI/CD に適しています
• JMeter：エンタープライズ向けで、機能が豊富です
• Artillery：シンプルな YAML 設定
• Gatling：Scala を使用し、レポート機能に優れています

エージェントの連携

• qe-performance-tester：負荷テストのオーケストレーション
• qe-quality-analyzer：結果の分析
• qe-production-intelligence：本番環境との比較

---

SLO の定義

悪い例：「システムは高速であるべき」 良い例：「1,000 人の同時ユーザーがいる状況で、p95 応答時間が 200ms 未満」

export const options = {
  thresholds: {
    http_req_duration: ['p(95)<200'],  // 95% < 200ms
    http_req_failed: ['rate<0.01'],     // < 1% failures
  },
};

---

現実的なシナリオ

**悪い例：**すべてのユーザーがホームページに繰り返しアクセスする **良い例：**実際のユーザー行動をモデル化する

// Realistic distribution
// 40% browse, 30% search, 20% details, 10% checkout
export default function () {
  const action = Math.random();
  if (action < 0.4) browse();
  else if (action < 0.7) search();
  else if (action < 0.9) viewProduct();
  else checkout();

  sleep(randomInt(1, 5)); // Think time
}

---

よくあるボトルネック

データベース

**症状：**負荷時のクエリが遅い、コネクションプールの枯渇 **対策：**インデックスの追加、N+1 クエリの最適化、プールサイズの拡大、リードレプリカの使用

N+1 クエリ

// BAD: 100 orders = 101 queries
const orders = await Order.findAll();
for (const order of orders) {
  const customer = await Customer.findById(order.customerId);
}

// GOOD: 1 query
const orders = await Order.findAll({ include: [Customer] });

同期処理

**問題：**リクエスト処理中のブロッキング操作（チェックアウト中のメール送信など） **対策：**メッセージキューを使用し、非同期に処理して、すぐに応答を返します

メモリリーク

**検出：**耐久テスト、メモリプロファイリング **よくある原因：**イベントリスナーのクリーンアップ漏れ、追い出し処理のないキャッシュ

外部依存関係

**対策：**短いタイムアウト、サーキットブレーカー、キャッシュ、グレースフルデグラデーション

---

k6 CI/CD の例

// performance-test.js
import http from 'k6/http';
import { check, sleep } from 'k6';

export const options = {
  stages: [
    { duration: '1m', target: 50 },   // Ramp up
    { duration: '3m', target: 50 },   // Steady
    { duration: '1m', target: 0 },    // Ramp down
  ],
  thresholds: {
    http_req_duration: ['p(95)<200'],
    http_req_failed: ['rate<0.01'],
  },
};

export default function () {
  const res = http.get('https://api.example.com/products');
  check(res, {
    'status is 200': (r) => r.status === 200,
    'response time < 200ms': (r) => r.timings.duration < 200,
  });
  sleep(1);
}

# GitHub Actions
- name: Run k6 test
  uses: grafana/[email protected]
  with:
    filename: performance-test.js

---

結果の分析

良好な結果

Load: 1,000 users | p95: 180ms | Throughput: 5,000 req/s
Error rate: 0.05% | CPU: 65% | Memory: 70%

問題

Load: 1,000 users | p95: 3,500ms ❌ | Throughput: 500 req/s ❌
Error rate: 5% ❌ | CPU: 95% ❌ | Memory: 90% ❌

根本原因の分析

1. メトリクスを関連付けます：応答時間が急増したとき、何が変化していますか？
2. ログを確認します：エラー、警告、遅いクエリ
3. コードをプロファイリングします：どこで時間がかかっていますか？
4. リソースをモニタリングします：CPU、メモリ、ディスク
5. リクエストをトレースします：エンドツーエンドのフロー

---

アンチパターン

❌ アンチパターン	✅ より良い方法
テストが遅すぎる	早い段階から頻繁にテストする
非現実的なシナリオ	実際のユーザー行動をモデル化する
0 人から 1000 人へ瞬時に増やす	段階的に負荷を増やす
テスト中にモニタリングしない	すべてをモニタリングする
ベースラインがない	傾向を把握し、追跡する
一度きりのテスト	継続的なパフォーマンステスト

---

エージェント支援によるパフォーマンステスト

// Comprehensive load test
await Task("Load Test", {
  target: 'https://api.example.com',
  scenarios: {
    checkout: { vus: 100, duration: '5m' },
    search: { vus: 200, duration: '5m' },
    browse: { vus: 500, duration: '5m' }
  },
  thresholds: {
    'http_req_duration': ['p(95)<200'],
    'http_req_failed': ['rate<0.01']
  }
}, "qe-performance-tester");

// Bottleneck analysis
await Task("Analyze Bottlenecks", {
  testResults: perfTest,
  metrics: ['cpu', 'memory', 'db_queries', 'network']
}, "qe-performance-tester");

// CI integration
await Task("CI Performance Gate", {
  mode: 'smoke',
  duration: '1m',
  vus: 10,
  failOn: { 'p95_response_time': 300, 'error_rate': 0.01 }
}, "qe-performance-tester");

---

エージェント連携のヒント

メモリの名前空間

aqe/performance/
├── results/*       - Test execution results
├── baselines/*     - Performance baselines
├── bottlenecks/*   - Identified bottlenecks
└── trends/*        - Historical trends

フリート連携

const perfFleet = await FleetManager.coordinate({
  strategy: 'performance-testing',
  agents: [
    'qe-performance-tester',
    'qe-quality-analyzer',
    'qe-production-intelligence',
    'qe-deployment-readiness'
  ],
  topology: 'sequential'
});

---

本番前チェックリスト

• 負荷テストに合格（想定トラフィック）
• ストレステストに合格（想定の2～3倍）
• スパイクテストに合格（急激な増加）
• 耐久テストに合格（24時間以上）
• データベースのインデックスを設定
• キャッシュを設定
• モニタリングとアラートを設定
• パフォーマンスのベースラインを確立

---

関連スキル

• agentic-quality-engineering - エージェントの連携
• api-testing-patterns - API パフォーマンス
• chaos-engineering-resilience - レジリエンスのテスト

---

覚えておくこと

パフォーマンスは機能です： 機能と同じようにテストしてください 継続的にテスト： リリース前だけではありません 本番環境を監視： 合成モニタリングと実ユーザーモニタリングを併用します 重要な問題を修正： ユーザーに影響するボトルネックに注力します 時間の経過を追跡： 劣化を早期に検出します

エージェントを活用： エージェントは負荷テストを自動化し、ボトルネックを分析して、本番環境と比較します。エージェントを活用して、大規模な環境でもパフォーマンスを維持します。

実行履歴

パフォーマンステストを実行するたびに、このスキルのディレクトリにある run-history.json に結果を追記します。

node -e "
const fs = require('fs');
const h = JSON.parse(fs.readFileSync('.claude/skills/performance-testing/run-history.json'));
h.runs.push({date: new Date().toISOString().split('T')[0], scenario: 'load', p95_ms: P95, throughput_rps: RPS, error_rate_pct: ERR});
fs.writeFileSync('.claude/skills/performance-testing/run-history.json', JSON.stringify(h, null, 2));
"

各実行の前に run-history.json を読み込み、ベースラインと比較します。p95 がベースラインから20%を超えて増加した場合はアラートを出します。

注意点

• エージェントが生成した k6 スクリプトでは、ベース URL がハードコードされることがよくあります。移植性を確保するため、環境変数を使用してください
• コンテナ内での負荷テストでは、アプリケーションの限界より先にリソース制限に達します。コンテナに対象の2倍のリソースがあることを確認してください
• エージェントがリクエスト間の思考時間を含め忘れることがあります。これがないと、負荷が非現実的に集中します
• P95 と P99 の違いは重要です。エージェントは平均値をデフォルトで使用し、テールレイテンシの問題を見えにくくします
• ベースラインとの比較には一貫した環境が必要です。CI ランナーのばらつきによって、20%以上のノイズが発生することがあります