●前言

▪在前一篇，我們已經介紹了效能測試的概念與類型（Load、Stress、Soak）。
前幾天的測試是驗證「對不對」，今天的效能測試則是驗證「快不快、撐不撐得住」。
▪透過CI/CD pipeline搭配Locust，我們可以把效能測試自動化，並且在每次PR/Push 時驗證系統效能是否符合預期。

●目標

▪ PR/Push 觸發
▪ 啟動 API（本機或 staging）
▪ 執行 Locust 壓測
▪ 產出 HTML 報表
▪ 上傳至 Artifacts，必要時可設定效能門檻，未達標讓 CI 直接 fail

●實作步驟

1.建立檔案

▪ perf.yml：GitHub Actions工作流程，專門跑效能測試

name: Performance Tests
on:
  workflow_dispatch: {}
  pull_request:
    branches: [ main ]
  push:
    branches: [ main ]

jobs:
  perf-locust:
    runs-on: ubuntu-latest
    env:
      USERS: "60"
      SPAWN_RATE: "8"
      DURATION: "2m"
      THRESHOLD_RT_P95_MS: "200"
      THRESHOLD_ERROR_RATE: "0.01"

    steps:
      - uses: actions/checkout@v4

      - uses: actions/setup-python@v5
        with:
          python-version: '3.11'

      # 安裝依賴（依你的專案調整）
      - name: Install deps
        run: |
          pip install -r requirements.txt || true
          pip install -r requirements-perf.txt

      # 若沒有設定 TARGET_BASE_URL secret，預設打本機 API
      - name: Resolve TARGET_BASE_URL
        run: |
          if [ -z "${{ secrets.TARGET_BASE_URL }}" ]; then
            echo "TARGET_BASE_URL=http://127.0.0.1:8000" >> $GITHUB_ENV
          else
            echo "TARGET_BASE_URL=${{ secrets.TARGET_BASE_URL }}" >> $GITHUB_ENV
          fi

      # 啟動你的 API（依你的啟動指令調整）
      - name: Start API (background)
        if: env.TARGET_BASE_URL == 'http://127.0.0.1:8000'
        run: |
          uvicorn app.main:app --host 0.0.0.0 --port 8000 & echo $! > api.pid
          # 等待健康檢查就緒
          for i in {1..30}; do
            curl -fsS http://127.0.0.1:8000/health && break || sleep 1
            
          done

      - name: Run Locust (headless)
        run: make perf

      - name: Upload reports
        if: always()
        uses: actions/upload-artifact@v4
        with:
          name: perf-reports
          path: reports/

▪ Makefile：方便在本地與CI上統一指令

.PHONY: perf
perf:
	@mkdir -p reports
	@python -m pip install --upgrade pip >/dev/null
	@pip install -r requirements-perf.txt
	@locust -f tests/perf/locustfile.py \
	  --headless -u $${USERS:-50} -r $${SPAWN_RATE:-10} --run-time $${DURATION:-2m} \
	  --host $${TARGET_BASE_URL:-http://localhost:8000} \
	  --html reports/locust-report.html --csv reports/locust

▪ locustfile.py：定義壓測任務與 CI 驗收條件

from locust import HttpUser, task, between, events
import os

THRESHOLD_RT_P95_MS = int(os.getenv("THRESHOLD_RT_P95_MS", "200"))
THRESHOLD_ERROR_RATE = float(os.getenv("THRESHOLD_ERROR_RATE", "0.01"))

class WebsiteUser(HttpUser):
    wait_time = between(1, 3)

    @task(2)
    def health(self):
        self.client.get("/health")

    @task(3)
    def add_api(self):
        self.client.get("/add?a=10&b=20")

@events.test_stop.add_listener
def validate_thresholds(environment, **kwargs):
    stats = environment.runner.stats
    total = stats.total
    p95 = total.get_response_time_percentile(0.95) if total.num_requests else 0
    error_rate = (total.num_failures / total.num_requests) if total.num_requests else 0.0
    print(f"[THRESHOLDS] p95={p95}ms  error_rate={error_rate:.4f}")

    violations = []
    if p95 > THRESHOLD_RT_P95_MS:
        violations.append(f"P95 {p95}ms > {THRESHOLD_RT_P95_MS}ms")
    if error_rate > THRESHOLD_ERROR_RATE:
        violations.append(f"Error rate {error_rate:.4f} > {THRESHOLD_ERROR_RATE:.4f}")

    if violations:
        for v in violations:
            print(f"[THRESHOLD VIOLATION] {v}")
        environment.process_exit_code = 1  # 讓 CI fail

▪ requirements-perf.txt：效能測試的專屬依賴

locust==2.32.1

2.初始化 Git、切至 main 分支並綁定 Repo

git init
git branch -M main
git remote add origin <url>   # <url> 替換成實際 repo 位置

3.提交並推送

git add .
git commit -m "add perf testing pipeline"
git push -u origin main

4.檢視運行結果

▪到GitHub Repo → Actions分頁，就能看到 pipeline 自動執行
▪成功時會顯示綠色的「✔ Passed」

▪失敗時會顯示紅色，並提供錯誤訊息幫助排查

5.下載報表

到 Actions → Workflow Summary → Artifacts 區塊，下載 perf-reports.zip

6.檢視報表

▪解壓縮後，可以看到多個CSV檔以及一份互動式 HTML報表
▪打開 locust-report.html，即可查看請求數、延遲分布、錯誤率等結果

●總結

▪透過 GitHub Actions 與 Locust，我們已經把效能測試整合進 CI/CD 流程：
▪每次 PR/Push 都會自動執行壓測
▪自動產生互動式報表，方便分析
▪若不符合設定的效能門檻，CI pipeline 會自動 fail，確保不穩定的程式碼不會進入主分支

效能測試確保了系統能撐得住，接下來我們要思考：如何把應用程式穩定且可攜式地交付出去？

下一篇👉我們將進一步探討 Docker 容器化與映像檔建立，作為部署與擴展的基礎。