Нагрузочное тестирование на Gatling: сценарии как код и отчёты в CI

Я делаю нагрузочное и перформанс-тестирование на Gatling и отношусь к каждому сценарию как к коду, а не как к одноразовому прогону. Когда вы отдаёте мне API или веб-поток, я разбираю реальные пользовательские сценарии и распределение трафика, а затем пишу симуляции на Scala, которые честно их воспроизводят: паузы между шагами, коррелированные токены, динамические тела запросов и фидеры с правдоподобными данными. Дальше я наращиваю виртуальных пользователей ступенями, чтобы видеть, где система начинает прогибаться, а не только тот момент, когда она окончательно падает.

Моя задача — найти узкие места раньше, чем на них наткнутся ваши клиенты. Я гоняю профили soak и spike и читаю то, что важно: перцентили времени ответа, пропускную способность и долю ошибок. Средним я не верю: p50 врёт, а вся боль живёт в p95 и p99. Когда запрос замедляется, я довожу его до слоя, который владеет задержкой: пул потоков, лимит соединений, медленный запрос или пауза сборщика мусора. На выходе — отчёт, с которым можно работать, и интеграция в CI с порогами, которые роняют сборку при регрессии. Знайте свои пределы раньше, чем их узнают ваши пользователи.

— Симуляции Gatling на Scala, версионируемые рядом с кодом
— Реалистичные профили soak, spike, стресс и проверка ёмкости
— Анализ перцентилей, поиск узких мест и советы по тюнингу
— Интеграция в CI с порогами pass/fail и историей трендов