
负载测试
负载测试通过模拟并发玩家访问您的基础设施,在真实玩家进入之前找出系统崩溃的瓶颈。它能回答任何代码审查都无法解答的问题:您的架构在多大的并发量下会崩溃、分配何时开始排队,以及什么会最先失效。其目的在于刻意寻找系统的上限。
又称
负载测试
,
什么是负载测试?为什么对于游戏而言“尖峰测试”是最难的测试?
负载测试是一个测试系列,每种测试解答不同的问题。k6 文档列出了六种(Grafana k6):
测试类型 | 检查内容 | 在游戏场景中的体现 |
|---|---|---|
冒烟测试(Smoke) | 脚本和环境配置是否正常运行 | 完整进行几场对局 |
平均负载测试(Average load) | 在常规流量下的表现 | 正常的每日高峰期 |
压力测试(Stress) | 在高于常规流量下的表现 | 预期峰值的两倍 |
尖峰测试(Spike) | 突发流量激增 | 活动开启或上线首发时刻 |
浸泡测试(Soak) | 长期运行的稳定性 | 持续数小时或数天,以排查泄漏问题 |
断点测试(Breakpoint) | 系统的极限临界点 | 不断增加对局,直至某些组件崩溃 |
本页重点关注尖峰测试,对于多人游戏而言,这可能是六种测试中最具挑战性的一种。玩家的激增意味着对局的激增,而每场对局都需要独立的服务器,这些服务器按需启动并持续运行数分钟或数小时。以 2,000 名同时在线玩家(每局 4 人)为例:这意味着同时有 500 台服务器在运行。如果每分钟开启 20 场新对局,且每场持续约 25 分钟,那么峰值时将有 500 台服务器在线。流量尖峰会提高请求到达率,因此匹配系统、服务器请求以及通知推送都会在同一时刻承受压力。
流量尖峰也不是瞬间形成的。玩家是一波波到来的,如果在一秒内创建一千台服务器,往往只是证明了请求限制会拒绝你。因此,应模拟真实流量的表现来构建流量激增:
陡峭递增,而非瞬间爆发:缓步启动,阶梯式攀升,然后保持稳定。
加入随机性:不要在精准的整秒时间点创建服务器,因为真实对局的生成天然存在偏差。
改变对局时长:有些对局结束得快,有些持续得长,因此释放容量的时间是不均衡的。
分散玩家地域:玩家来自多个不同区域,这会影响服务器的部署位置。
维持足够长的时间:短暂的脉冲流量会掩盖数小时后才会暴露的问题。
其他五种测试也基于相同的形态模式:只需调整上升坡度的高度,或保持阶段的时长即可。
游戏负载测试应该涵盖哪些内容?
不仅仅是游戏服务器。一场对局要经历一整个链路,而最薄弱的环节决定了上限:
阶段 | 可能出现的问题 | 监控重点 |
|---|---|---|
匹配器 | 票据排队积压,组队缓慢 | 从生成票据到匹配成功的时间 |
分配 | 服务器请求延迟或被拒绝 | 从“找到比赛”到“服务器就绪”的时间、错误率 |
通知 | 后端遗漏“服务器已就绪”消息 | 遗漏或重复的通知 |
后端与数据库 | 慢查询、连接耗尽 | 查询时间、错误数 |
游戏服务器 | 内存泄漏、高负载下Tick Rate漂移 | Tick时间、数小时内的内存变化 |
清理 | 比赛结束后服务器仍在运行 | 残留服务器数量 |
内存泄漏、缓慢的数据库查询以及低效的网络代码都是常见的问题,但如果测试仅仅是要求服务器启动,这些问题都暴露不出来。
测试您实际将要运行的链路。跳过匹配器并在循环中调用分配 API 的测试,检查的只是 API,而不是您的实际发布。匹配器涵盖了真实玩家的排队方式,而可扩展性则涵盖了如何调整目标规模。
游戏测试应该使用哪种负载测试工具?
三个开源工具涵盖了大多数团队,其选择主要取决于您的团队喜欢如何编写测试:
Apache JMeter 具有可视化界面和内置报告,因此适合喜欢无需代码即可构建场景的团队。它支持 HTTP 和 TCP 等,并可以分布式运行。
k6 使用 JavaScript 编写测试,因此它们存在于版本控制中并在 CI 管道中运行。
Locust 使用 Python 编写测试,并可以分布式运行在多台机器上。
这三个工具都擅长一项工作:驱动技术栈的 HTTP 端,例如撮合服务票据、服务器请求和 webhook 处理程序。但它们都不运行您的游戏。要测试连接本身,您需要客户端机器人,而这才是真正的决定所在。Edgegap 的指南将其视为可选但有价值:连接到每个就绪服务器的机器人可以显示报告“就绪”的服务器是否接受玩家,而更便宜的备用方案是测试到每个服务器地址和端口的原始网络连接(文章 246)。机器人需要花费工程时间,并且连接性检查无法告诉您比赛是否正常进行。
如何运行测试并在测试后进行清理?
从符合您发布情况的配置开始,然后进行调整。Edgegap 的指南提供了三种配置,每种都包含一个爬坡阶段,随后是一个保持阶段(文章《如何对任何多人游戏进行负载测试》):
配置 | 同时在线玩家数 | 每场比赛玩家数 | 每分钟新比赛场数 | 爬坡,然后保持 |
|---|---|---|---|---|
独立游戏发布 | 200 | 2 | 5 | 10 分钟,然后 60 分钟 |
中型作品 | 2,000 | 4 | 20 | 20 分钟,然后 90 分钟 |
公测周末 | 10,000 | 6 | 50 | 30 分钟,然后 2 至 4 小时 |
目标本身来自预测(在可扩展性部分有讨论)。然后分五个阶段运行测试,以下详细信息以 Edgegap 的 API 作为实际示例。
准备测试客户端:匹配后端的简化版本,用于组建比赛、请求服务器、处理通知并记录每个事件。
逐步增加服务器创建量:遵循上述曲线,并留意速率限制错误。
跟踪就绪状态:衡量从请求到“就绪”的时间,并调查每个未能进入该状态的服务器。
连接玩家:如果有 Bot 则使用 Bot,如果没有则进行原始连通性检查。
清理和验证:结束比赛,然后扫描是否有遗留的服务器。
速率限制:截至 2026 年 10 月 13 日,Edgegap 的 API 文档中列出的限制为:每个组织每秒部署请求 40 次,状态和上下文端点每秒请求 20 次。超过该限制,请求将收到 HTTP 429 响应。正如指南所建议的,采用指数退避策略,如果返回了 Retry-After 标头请予以遵守,并将请求在时间上分散开来,而不是突发发送。
通知:当服务器就绪、启动失败或终止时,Webhooks 会触发。这些通知不会重试,因此您的处理程序必须能够容忍丢失消息和重复消息,并且您的后端应保留其自身对每个服务器状态的记录。保留状态端点作为后备方案,因为轮询数百台服务器会迅速耗尽速率限制配额。
清理:当您的后端删除服务器、游戏服务器自行停止或最长运行时间耗尽时,服务器即告结束。为每个测试服务器添加标签,以便稍后查找,并将残留的服务器视为清理逻辑中的错误,因为它会增加成本并影响下一次运行的结果。
来自我们的赞助商(其实就是我们自己!)的寄语
大多数工作室在游戏上线并面对玩家时,才发现自己的扩容瓶颈。而 Edgegap 在针对真实游戏服务器容器的一小时基准测试中,达到了 1400 万并发会话,因此你需要考虑的限制在于你的游戏本身,而非你的托管服务商。
Edgegap 的观点(仅代表个人意见,姑且听之即可!)
在发布前运行负载测试,覆盖整个链条,并提前通知您的服务商
负载测试就是一场彩排,因此只有进行得足够早、能让你有时间做出改变,它才有价值。在上线前几周进行预演,才有时间去修复发现的问题。而在上线前一晚进行测试,留给你的就只剩下焦虑了。
请覆盖整个链路,因为性能瓶颈往往出在游戏构建版本之外的最薄弱环节,例如通知处理程序、数据库或匹配机制设置。
并且请提前告知你的服务商。对于大型测试,Edgegap 会要求提前通知,以便在测试窗口期提前扩容并提高速率限制。如果不提前通知,你最终衡量的可能只是服务商的冷启动时间,而不是你自己的系统。我们指南中的阈值是持续每秒超过 20 次部署,或峰值持续约两小时(文章 246)。确定目标规模的说明包含在可扩展性部分。
这是需要付出成本的:一次逼真的测试需要工程时间、暂存(staging)环境搭建以及提前通知的准备时间。对于只有几百名玩家的小型游戏,可能并不需要这些全部。但对于停机损失高昂的大型发布,我们认为跳过测试的代价会更大。在 Edgegap 的 2023 年基准测试中,以每秒 40 次部署持续运行 60 分钟,在当时覆盖的 550 多个地点达到了 1400 万的 CCU(基准测试)。
,










