負荷テスト入門:ワークロードの設計と結果の読み方
仮想ユーザー、反復開始率、リクエスト数を区別し、負荷テストのしきい値と結果を解釈します。ブラウザー計測、負荷生成側の制約、トレースとログによる調査も解説。
応答時間のグラフが良好でも、予定したトラフィックを送れていないだけかもしれません。成功と判断する前に、アプリケーションへ実際に届いた量、完了したリクエスト数、開始できなかった処理を確認する必要があります。
負荷テストは、定めたワークロード、時間、環境のもとでアプリケーションの性能を調べる方法です。 ボトルネックや容量を検討する根拠にはなりますが、あらゆる本番条件で遅延や障害が起きないと保証するものではありません。
この記事は公式ドキュメントに基づきます。対象アプリケーションへの負荷試験や性能ベンチマークは実施していません。しきい値は例であり、データ、環境、設定はプロジェクトに合わせて決めてください。
バックエンドとブラウザーを分けて測る
| 視点 | 調べる対象 | 主な方法 |
|---|---|---|
| バックエンド | 負荷がある状態のスループット、応答時間、エラー率 | k6、Locust、JMeterなどでプロトコル層からAPIへ送信 |
| フロントエンド | ブラウザーでのページ読み込みと操作 | ブラウザー自動化や合成テストをバックエンド負荷と併用。リアルユーザーモニタリング(RUM)は実ユーザーの状況を補うが、負荷自体は生成しない |
APIが速くても、ページが速いとは限りません。描画、リソース読み込み、外部スクリプトが影響します。ページが遅いからといって、必ずバックエンドが原因とも言えません。プロトコル層のリクエストはページのJavaScriptを実行せず、描画体験も測りません。ブラウザーテスト側のリソース消費も別に見積もります。
実際の処理に合うスクリプトを書く
- ユーザージャーニーから考える。 ログイン→閲覧→注文は、業務全体の流れを確認するのに適しています。一方、特定APIの容量や回帰を調べるなら、単独のAPIテストにも価値があります。目的に応じて使い分けます。
- データの分布を合わせる。 想定するアカウント、検索語、データセットを用意します。同じデータの使い回しは、本来の負荷にはないキャッシュヒットや競合を生むことがあります。
- 何のペースを制御するかを決める。 セッションモデルでは思考時間が必要になる場合があります。到着率型のexecutorが制御するのは反復の開始率です。すでにスケジュールされているレートを制御するため、反復末尾へ機械的にsleepを足すことは避けます。
- レスポンスの内容を確認する。 HTTP 200でもエラーページが返る場合があります。重要フィールドを検証し、その失敗をテスト全体の失敗とする条件も設定します。k6の
checkは成功率を記録するため、テストの失敗条件にはthresholdを組み合わせます。
問いに合う負荷モデルを選ぶ
- 負荷の形: 通常の負荷テストでは、段階的に増加させ、一定時間保持してから下げる方法が使えます。スパイクテストは急変を意図的に作るため、すべての試験で突増を避けるわけではありません。
- 並行数と到着率: 仮想ユーザー(VU)はスクリプトを並行実行する単位で、実在する人数ではありません。毎秒の反復開始数とリクエスト数も異なり、1反復で複数のリクエストを送れます。クローズドモデルでは処理が遅くなると反復時間が延び、VU数が同じでも到着率が下がる場合があります。オープンな到着率モデルは完了とは独立して開始を計画しますが、空いているVUと負荷生成側のリソースは必要です。設定値は実際の完了率ではありません。
- テストの種類: 負荷テストは通常時や想定ピークの性能、ストレステストは想定を超えた負荷での劣化と回復を調べます。クラッシュさせることが必須の目標ではありません。スパイクテストは急変、ソークテストは長時間の安定性やリソース増加を調べます。メモリの増加だけでリークと断定することはできません。
繰り返し使える構成にする
ログイン、認証、データ準備はモジュール化し、環境、認証情報、しきい値を設定として分離します。出力形式を揃えれば、リリース前に同じ負荷を再実行し、差分を検討できます。
結果にはアプリケーションとスクリプトのバージョン、ツール設定、データ分布、リソース構成も保存します。構成や環境が変わった結果を、そのまま同条件の前後比較として扱うことはできません。
実行環境を選ぶ
| 環境 | 利点 | リスク |
|---|---|---|
| 本番に近いステージング | 隔離しやすく、リスクを抑えやすい。共有依存先の保護は必要 | 費用、データの匿名化。キャッシュ、データ量、依存先の差が残る可能性 |
| 本番の閑散時間帯 | 実際の基盤と依存先を使える。ただしテストトラフィックのモデル化は必要 | 実ユーザーへの影響。レート制限と停止手順が必要で、閑散時の結果をピーク時へ直接当てはめられない |
対象システムと下流サービスの明確な許可を得ます。決済やメッセージ送信にはサンドボックスやMockを使い、事前連絡だけで許可を得たとみなさないようにします。テスト用テナント、後片付け、トラフィック上限、費用予算、即時停止条件を決め、ステージングから本番の共有依存先へ接続していないかも確認します。
しきい値の前に指標を定義する
- 応答時間: 平均値だけでなくp90、p95、p99を見ます。対象API、時間帯、サンプル数、成功分だけか全リクエストかを明示します。p95は最大値ではなく、各マシンや各時間帯のp95を平均しても全体のp95にはなりません。k6の
http_req_durationは初期DNS検索や接続確立を含まず、ユーザー操作全体の時間とは異なります。 - スループット: TPSの業務トランザクションを定義し、予定到着数、送信数、成功完了数を分けます。RPS/TPSを遅延、エラー率、負荷生成側のCPU・メモリ・ネットワークと併せて読みます。曲線の折れ曲がりだけでは制限箇所を特定できません。
- エラーと未実行の処理: レスポンスと業務SLOに基づいて成功を定義します。HTTP結果、業務チェック、過負荷時に想定した拒否は別々に記録します。開始できなかった反復や中断も確認します。到着率型のk6で
dropped_iterationsが増えた場合、空きVUが足りない可能性があり、サーバーが受信して拒否したリクエスト数ではありません。 - リソースの飽和: CPU、メモリ、接続プール、ディスクI/Oを具体的なコンポーネントに結び付けます。先に負荷生成側が限界に達したなら、測れたのはアプリケーション容量ではなく送信能力かもしれません。
例えば**p95 < 800 ms、エラー率 < 0.1%**といった条件を、集計対象、目標負荷、継続時間とともに事前に定めます。数値は例です。予定した流量を送れていない、未開始や中断が多い状態では、完了分の遅延が良くても成功とは判断できません。
結果から次の調査につなげる
応答時間を時系列に並べ、負荷に応じた緩やかな劣化か、ある点での急変かを確認します。遅いリクエストの分布と各コンポーネントの指標を重ねると、検証対象を絞れます。ただし同時に変化しただけでは因果関係の証明になりません。呼び出し経路、キュー待ち、条件を揃えた再試験で確認します。
結論には、現在の構成が今回の負荷と時間でどこまで達成したか、次に何を変えて試すかを残します。増設後は改めて測り、ノード数に比例して容量が増えるとは仮定しません。
すでにGuanceへ接続しているサービスなら、取得済みの遅いトレースでSpanの所要時間を調べ、trace_idで関連ログを確認できます。ログとトレースの関連付け手順(英語)に従って、trace_id、span_id、サービス、環境、バージョンの値を揃え、ログインデックスのマッピング、期間、データアクセス権も確認します。
トレースとログは実際に取得され、保存期間内にある必要があります。ログにIDが残っていても、サンプリングで破棄したトレースは復元されません。テストの識別子と時間帯を残して同じ流量に絞り、リクエストの詳細で確認します。時刻が近いだけで同じリクエストとは判断できません。
よくある質問
どのくらいの頻度で負荷テストを行いますか?
大きなリリースや予想されるアクセス増加の前に実行します。重要なジャーニーは、例えば月次の定期回帰にも組み込みます。同じ前提で比較できるようにして、傾向を読み取ります。
テスト結果と本番の挙動が違う場合は?
負荷モデル、データ分布、キャッシュ、バージョン、リソース、依存先を照合し、予定した流量を送れたかも確認します。セッションモデルの思考時間不足は歪みの原因になりますが、到着率モデルへ機械的にsleepを足す対処は適切ではありません。制御した比較で差を切り分け、集計曲線だけで原因を決めないようにします。
専任の性能エンジニアがいない小規模チームは?
k6やLocustなどコード中心のツールで、まず主要APIの低負荷ベースラインを隔離環境に用意し、リリースごとの差を追います。限界に近づける試験は別に許可と手順を整えます。完璧な仕組みを待つより、範囲を定めた再現可能な比較から始める方が実用的です。
公式資料
資料確認日:2026年11月5日。
