Tests de charge et de performance : méthodologie et panorama des outils
Acquérez une vision complète de la démarche de test de charge, du cadrage au diagnostic, pour garantir la performance de vos applications, quel que soit l'outil.
Vue d'ensemble
- Connaître le fonctionnement d'une application web n-tiers (client/serveur, HTTP, base de données), tous langages confondus
- Disposer de notions de base sur les indicateurs système (CPU, mémoire, réseau)
Objectifs pédagogiques
Programme détaillé
Cadrage des tests de charge et de performance
– Performance et charge : distinguer la rapidité d’une application de son comportement sous sollicitation croissante
– Place du test dans le cycle de vie applicatif : tester au plus tôt plutôt que subir en production
– Typologie des tests : charge, stress (limites), endurance (soak), pic (spike), robustesse, capacity planning, non-régression de performance
– Enjeux et objectifs : disponibilité, temps de réponse, SLA, KPI et gestion des risques
– Système n-tiers et sources de dysfonctionnement : où naissent les problèmes de performance (front, applicatif, base de données, réseau)
– Coûts, gains et ROI d’une démarche de test : arbitrer l’effort selon la criticité de l’application
– Qualification d’un besoin de test : choisir le(s) type(s) de test adapté(s) à différents contextes (lancement d’un nouveau service, pic saisonnier, migration d’infrastructure)
– Atelier de cadrage : définir les objectifs et le périmètre d’une campagne pour une application web de référence
Métrologie de la performance
– Indicateurs côté utilisateur : temps de réponse, percentiles (P90/P95/P99), débit (throughput), taux d’erreur, niveau de concurrence
– Raisonner en percentiles : limites de la moyenne et lecture de la distribution des temps de réponse
– Ressources système à surveiller : CPU, mémoire, I/O disque, réseau et comportement du garbage collector
– Moniteurs et points de mesure : serveurs web, serveurs d’application et bases de données
– Observabilité et APM (notion) : situer les solutions modernes (Datadog, Dynatrace, New Relic, Grafana/Prometheus) dans une démarche de test
– Représentativité des mesures : conformer la plateforme de test à la plateforme de production
– Définition d’un tableau de bord d’indicateurs pour une application cible (métriques utilisateur + ressources)
– Lecture commentée d’un relevé de métriques système pendant une montée en charge
Méthodologie d'une campagne de test
– Étude de faisabilité et modèle de charge : traduire un usage métier en profils d’utilisateurs et volumétrie
– Construction des scénarios : parcours utilisateurs représentatifs, jeux de données et montée en charge progressive
– Scripting, corrélation et paramétrage (principes) : rejouer des scénarios réalistes et gérer les données dynamiques (sessions, jetons)
– Stratégie de tir : tirs préliminaires, tirs nominaux et conditions de répétabilité
– Préparation des ressources et prérequis : environnement, données de test et planification
– Pilotage de l’exécution : injection de charge, surveillance en temps réel et collecte des données
– Construction d’un plan de charge réaliste à partir d’un usage métier (parcours d’achat en ligne, consultation de comptes, soumission de formulaires)
– Conception de scénarios et identification des points de corrélation/paramétrage sur une application de référence
Analyse, diagnostic et restitution
– Lecture des résultats : courbes de temps de réponse, débit et erreurs en fonction de la charge
– Corrélation charge / ressources : relier la dégradation observée à la consommation système
– Identification des goulots d’étranglement : front, applicatif, base de données, réseau et configuration
– Profilage applicatif (notion) : descendre au niveau du code pour localiser un point chaud
– Préconisations d’amélioration : pistes d’optimisation (architecture, code, réglage serveur, mise à l’échelle)
– Rapport de campagne : indicateurs, constats, risques et préconisations dans un livrable exploitable par les décideurs
– Interprétation d’un jeu de résultats de campagne : formuler un diagnostic et des préconisations
– Rédaction d’une trame de rapport de campagne synthétique
Panorama des outils et choix de l'outillage
– Familles d’outils : pilotage par protocole ou par navigateur, open source ou commercial, on-premise ou cloud
– JMeter : référence open source historique, approche par protocole et large couverture
– Gatling : approche « as code », scénarios expressifs et rapports détaillés
– k6 : test de charge « as code » orienté développeurs et SRE, scripting en JavaScript
– Locust : test de charge en Python avec modèle d’injection distribué
– Critères de choix d’un outil : protocole cible, compétences de l’équipe, intégration, reporting et coût
– Injection de charge distribuée et cloud (notion) : générer de la charge à grande échelle
– Démonstration comparée de plusieurs outils (JMeter, Gatling, k6, Locust) sur la même application web
– Élaboration d’une grille de choix d’outil adaptée à un contexte projet donné
Prochaines sessions
Avis des participants
Financement
Cette formation est éligible aux financements OPCO et FNE-Formation. Nos équipes vous accompagnent dans le montage de votre dossier.
En savoir plus sur le financement