성능 테스트 (Performance Test)

부하 테스트(Load Testing) 부하 테스트는 소프트웨어 시스템이 예상되는 사용자 부하 하에서 어떻게 동작하는지 확인하는 성능 테스트의 한 유형이다. 이는 실제 사용 환경과 유사한 조건에서 시스템의 성능을 평가한다. 특징과 목적 시스템의 최대 운영 용량 파악 성능 병목 현상 식별 확장성 및 안정성 검증 사용자 경험 개선 테스트 범위 부하 테스트는 다음과 같은 범위를 포함한다: 웹 애플리케이션 데이터베이스 시스템 네트워크 인프라 서버 리소스 (CPU, 메모리, 디스크 I/O) 수행 시점 부하 테스트는 주로 다음 시점에 수행된다: ...

스트레스 테스트 (Stress Testing) 스트레스 테스트는 소프트웨어 시스템을 극한의 조건에서 테스트하여 그 한계를 파악하는 성능 테스트의 한 유형이다. 이는 시스템이 정상적인 운영 범위를 넘어선 상황에서 어떻게 동작하는지를 평가한다. 웹 애플리케이션의 스트레스 테스트 예시: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 import time from locust import HttpUser, task, between class StressTestUser(HttpUser): wait_time = between(0.1, 0.5) # 매우 짧은 대기 시간 @task def stress_test_scenario(self): """극한 상황 시뮬레이션""" # 대용량 데이터 요청 with self.client.get("/api/products", params={"page_size": 1000}, catch_response=True) as response: # 응답 검증 if response.elapsed.total_seconds() > 5.0: response.failure("응답 시간 초과") elif response.status_code != 200: response.failure(f"에러 발생: {response.status_code}") # 시스템 복구 능력 테스트 time.sleep(0.1) # 잠시 대기 # 후속 요청으로 시스템 회복 확인 recovery_response = self.client.get("/api/health") assert recovery_response.status_code == 200 특징과 목적 스트레스 테스트의 주요 특징과 목적은 다음과 같다: ...

용량 테스트 (Volume Test) 용량 테스트는 소프트웨어 시스템이 대량의 데이터를 처리할 때 어떻게 동작하는지 확인하는 성능 테스트의 한 유형이다. 이는 시스템이 대규모 데이터를 효율적으로 처리할 수 있는지 검증하는 과정이다. 데이터베이스 시스템의 용량 테스트 예시: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 import time from database import DatabaseConnection from data_generator import DataGenerator class VolumeTest: def __init__(self): self.db = DatabaseConnection() self.data_generator = DataGenerator() self.metrics = [] def test_large_data_handling(self): """대용량 데이터 처리 테스트""" print("대용량 데이터 처리 테스트 시작…") # 테스트 데이터 생성 test_data = self.data_generator.generate_large_dataset( records=1000000, # 백만 건의 레코드 size_per_record="2KB" # 레코드당 2KB ) start_time = time.time() try: # 데이터 삽입 테스트 print("데이터 삽입 테스트 중…") self.test_bulk_insert(test_data) # 데이터 조회 테스트 print("데이터 조회 테스트 중…") self.test_data_retrieval() # 데이터 집계 테스트 print("데이터 집계 테스트 중…") self.test_data_aggregation() finally: execution_time = time.time() - start_time print(f"전체 테스트 소요 시간: {execution_time:f}초") def test_bulk_insert(self, data): """대량 데이터 삽입 성능 테스트""" batch_size = 10000 # 배치 크기 for i in range(0, len(data), batch_size): batch = data[i:i + batch_size] # 삽입 시간 측정 start_time = time.time() self.db.bulk_insert(batch) insert_time = time.time() - start_time # 성능 메트릭 기록 self.metrics.append({ 'operation': 'bulk_insert', 'batch_size': len(batch), 'execution_time': insert_time, 'records_per_second': len(batch) / insert_time }) 특징과 목적 용량 테스트의 주요 특징과 목적은 다음과 같다: ...

확장성 테스트 (Scalability Test) 확장성 테스트는 소프트웨어 시스템이 증가하는 부하나 규모에 얼마나 잘 대응할 수 있는지를 평가하는 성능 테스트의 한 유형이다. 이는 시스템의 확장 능력을 측정하고 검증하는 과정이다. 웹 서비스의 확장성 테스트 예시 코드: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 import time from concurrent.futures import ThreadPoolExecutor from monitoring import SystemMonitor class ScalabilityTest: def __init__(self): self.monitor = SystemMonitor() self.results = [] def test_vertical_scaling(self): """수직적 확장성 테스트 (단일 서버의 자원 증가에 따른 성능 변화 측정)""" # 서버 자원을 단계적으로 증가시키며 테스트 resource_configs = [ {"cpu_cores": 2, "memory": "2GB"}, {"cpu_cores": 4, "memory": "4GB"}, {"cpu_cores": 8, "memory": "8GB"} ] for config in resource_configs: # 서버 리소스 조정 self.adjust_server_resources(config) # 성능 측정 metrics = self.measure_performance() # 결과 기록 self.results.append({ "config": config, "metrics": metrics }) # 선형적 확장성 검증 self.verify_linear_scaling(config, metrics) def test_horizontal_scaling(self): """수평적 확장성 테스트 (서버 수 증가에 따른 성능 변화 측정)""" # 서버 인스턴스 수를 단계적으로 증가 for server_count in range(1, 6): # 서버 추가 self.add_server_instances(server_count) # 부하 테스트 실행 with ThreadPoolExecutor(max_workers=100) as executor: # 동시 요청 시뮬레이션 futures = [ executor.submit(self.simulate_request) for _ in range(1000) ] # 결과 수집 responses = [f.result() for f in futures] # 성능 메트릭 분석 self.analyze_scaling_metrics(server_count, responses) 특징과 목적 확장성 테스트의 주요 특징과 목적은 다음과 같다: ...

스파이크 테스트(Spike Test) 스파이크 테스트는 시스템에 갑작스럽고 극단적인 부하를 주어 시스템의 반응을 측정하는 성능 테스트의 한 유형이다. 이는 마치 갑자기 많은 사람들이 한 번에 몰려드는 상황을 시뮬레이션하는 것과 비슷하다. 웹 서비스의 스파이크 테스트 예시: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 import time from concurrent.futures import ThreadPoolExecutor from monitoring import SystemMonitor class SpikeTest: def __init__(self): self.monitor = SystemMonitor() self.base_load = 100 # 기본 사용자 수 self.spike_load = 5000 # 스파이크 시 사용자 수 def run_spike_test(self): """스파이크 테스트 실행""" print("스파이크 테스트 시작…") # 1. 기본 부하 상태 측정 print("기본 부하 상태 측정 중…") base_metrics = self.measure_system_state(self.base_load) # 2. 스파이크 부하 생성 print(f"스파이크 발생: {self.spike_load}명의 동시 사용자 생성") spike_metrics = self.generate_spike_load() # 3. 복구 과정 모니터링 print("시스템 복구 과정 모니터링 중…") recovery_metrics = self.monitor_recovery() # 4. 결과 분석 self.analyze_results(base_metrics, spike_metrics, recovery_metrics) def measure_system_state(self, user_count): """시스템 상태 측정""" with ThreadPoolExecutor(max_workers=user_count) as executor: # 동시 요청 생성 futures = [ executor.submit(self.simulate_user_request) for _ in range(user_count) ] # 응답 수집 responses = [f.result() for f in futures] return { 'response_times': [r['response_time'] for r in responses], 'error_count': sum(1 for r in responses if r['error']), 'system_metrics': self.monitor.get_current_metrics() } 특징과 목적 스파이크 테스트의 주요 특징과 목적은 다음과 같다: ...

지속성 테스트(Endurance Test) 지속성 테스트는 소프트웨어 시스템이 장기간 동안 지속적인 부하 상태에서 어떻게 동작하는지 확인하는 성능 테스트의 한 유형이다. 웹 서버의 지속성 테스트 예시 코드: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 import time import psutil from datetime import datetime class EnduranceTest: def __init__(self, duration_hours=24): self.duration = duration_hours * 3600 # 시간을 초로 변환 self.metrics_history = [] def run_endurance_test(self): """24시간 지속성 테스트 실행""" print(f"테스트 시작: {datetime.now()}") start_time = time.time() while time.time() - start_time < self.duration: # 시스템 메트릭 수집 metrics = self.collect_system_metrics() self.metrics_history.append(metrics) # 성능 저하 검사 if self.detect_performance_degradation(metrics): print("성능 저하 감지!") self.analyze_degradation() # 메모리 누수 검사 if self.detect_memory_leak(metrics): print("메모리 누수 감지!") self.analyze_memory_usage() time.sleep(60) # 1분마다 측정 def collect_system_metrics(self): """시스템 성능 지표 수집""" return { 'timestamp': datetime.now(), 'cpu_usage': psutil.cpu_percent(), 'memory_usage': psutil.virtual_memory().percent, 'disk_io': psutil.disk_io_counters(), 'response_time': self.measure_response_time() } def measure_response_time(self): """시스템 응답 시간 측정""" start_time = time.time() try: # 주요 API 엔드포인트 호출 response = requests.get('http://example.com/api/health') return time.time() - start_time except Exception as e: print(f"응답 시간 측정 실패: {str(e)}") return None 특징과 목적 지속성 테스트의 주요 특징과 목적은 다음과 같다: ...