اختبار الأداء والحِمل: JMeter و Gatling

١هل يصمد تحت الضغط؟

تطبيقٌ يعمل لمستخدمٍ واحد قد ينهار أمام ألف. اختبار الأداء يقيس كيف يتصرّف النظام تحت الحِمل: كم يستغرق الردّ؟ كم طلبًا يحتمل في الثانية؟ متى ينهار؟ هذا اختبارٌ غير وظيفيّ: لا يسأل «هل النتيجة صحيحة؟» بل «بأيّ سرعةٍ وتحمّل؟».

٢المقاييس التي تهمّ

المتوسط يخدع: قد يكون الزمن المتوسط جيّدًا بينما يعاني 5% من المستخدمين بطئًا شديدًا. لذلك نقيس المئين p95: «95% من الطلبات أسرع من هذا الحدّ». هو الأصدق لتجربة المستخدم.

٣نحلّل نتائج حِملٍ ببايثون

بعد تشغيل أداة الحِمل نحصل على أزمنة استجابة. نحلّلها: المتوسط، و p95، ونتحقّق من عتبة القبول:

# أزمنة استجابة (مللي ثانية) من اختبار حِملtimes = [80, 95, 110, 90, 400, 105, 88, 120, 500, 99,         92, 115, 87, 130, 450, 101, 93, 108, 97, 102] n = len(times)avg = sum(times) / nordered = sorted(times)p95 = ordered[int(0.95 * n) - 1]       # عتبة أبطأ 5%errors = sum(1 for t in times if t > 1000)   # نعدّ ما تجاوز ثانية فشلًا print("المتوسط:", round(avg, 1), "مللي")print("p95:", p95, "مللي")print("ضمن العتبة (p95 < 300)؟", p95 < 300)print("معدّل الأخطاء:", round(errors / n * 100, 1), "%")

لاحظ الفرق: المتوسط معقول (~140)، لكن p95 قفز بسبب طلباتٍ بطيئة (400، 500). التحليل يكشف أن بعض المستخدمين يعانون رغم «معدّلٍ جيّد».