{"canonical_url":"https://engineer.company/da/glossary/load-test/","content_markdown":"# Belastningstest\n\n## Hvad det er\n\nEn belastningstest sender en planlagt mængde simuleret trafik mod et system og\nmåler, hvordan systemet opfører sig, mens det bærer den: hvor lang tid svarene\ntager, hvor mange forespørgsler der fejler, hvor meget gennemløb det kan holde,\nog hvad serverne bruger kræfterne på imens. Trafikken kommer fra et script, der\nspiller mange brugere på én gang; værktøjet k6 kalder hver af dem en virtuel\nbruger. Belastningstestning er aktiviteten, og en belastningstest er én kørsel\naf den, med en form, en varighed og kriterier for at bestå. På engelsk hedder\ndet load test.\n\nOrdet bruges både bredt og snævert. Dokumentationen til k6, som Grafana Labs\nudgiver, sorterer test efter den belastning, de lægger på. En smoke test kører\nen håndfuld virtuelle brugere for at bevise, at scriptet virker. En average-load\ntest simulerer en typisk dag i produktion. En stresstest går over gennemsnittet,\nen soak test holder gennemsnitlig belastning i timevis, en spike test sender et\npludseligt og meget kraftigt udbrud i nogle få minutter, og en breakpoint test\nøger belastningen, indtil noget giver efter. Fordi den engelske betegnelse kan\ndække enhver test, der simulerer trafik, kalder k6 den snævre slags en\naverage-load test og bemærker, at nogle hold siger day-in-life test eller volume\ntest. Guiden er ærlig om ordforrådet: »no consensus even exists about the names\nof these test types«. Kategorierne er også relative. En stresstest for én\napplikation er en average-load test for en anden.\n\nEn belastningstest er ikke en funktionel test. Den spørger ikke, om kassen\nlægger indkøbskurven rigtigt sammen; den spørger, om kassen stadig svarer, og\nhvor hurtigt, mens en realistisk mængde mennesker bruger den. De to har brug for\nhinanden: et script, der sender ødelagte forespørgsler i højt tempo, måler kun,\nhvor hurtigt systemet siger nej.\n\n## Hvorfor det betyder noget\n\nEthvert system har et trafikniveau, hvor det ikke længere kan følge med, og\nspørgsmålet er kun, hvem der finder det først. Locust, et open source-værktøj\ntil belastningstest, hvor testene skrives i almindelig Python, viser formen i\nsin quickstart. Efterhånden som værktøjet tilføjer brugere, kommer der et punkt,\nomkring 20 brugere i eksemplet, hvor svartiderne stiger så hurtigt, at antallet\naf forespørgsler i sekundet holder op med at vokse, selv om der bliver ved med\nat komme flere brugere til. Dokumentationen kalder målet overbelastet eller\nmættet. Det knæk er systemets reelle kapacitet, som det er bygget, uanset hvad\narkitekturdiagrammet lover, og det er langt billigere at finde ved en\ngeneralprøve end foran kunderne.\n\nSelve optrapningen mod knækket fortæller også noget. k6's guide til average-load\ntests siger, at det første resultat viser sig, mens belastningen stadig stiger:\nom svartiden forringes, efterhånden som trafikken vokser, og om systemet fejler,\nfør det overhovedet når fuld belastning. Plateauet viser derefter, om ydelse og\nressourceforbrug forbliver stabile, for nogle systemer bliver uberegnelige netop\npå den strækning.\n\nBelastningstests gør desuden ydelse til en kontrol i stedet for en holdning. k6\nlader et script erklære thresholds, tærskler for bestået eller dumpet på dets\nmålinger, for eksempel at under 1 % af forespørgslerne fejler, eller at 95 % af\nsvarene kommer inden for 200 ms. k6's dokumentation bemærker, at testere ofte\nbruger tærskler til at skrive deres service level objectives ned. Når alle\ntærskler holder, slutter k6 med exit-kode 0, og når en af dem fejler, slutter\nden med en kode, der ikke er 0, så en pipeline kan afvise en release, der gjorde\ntjenesten langsommere, uden at nogen skal læse en graf.\n\n## Sådan ser det ud i praksis\n\nTag en webshop, der gør klar til udsalg. Det meste af trafikken under et udsalg\nkommer fra folk, der ikke får varen, så det svar, der skal holde, er »udsolgt«,\nog det er den vej, der skal øves først. Testen herunder er skrevet i k6. Den\nstarter forespørgsler i en fast takt i stedet for med et fast antal brugere,\ntrapper op til 2.000 forespørgsler i sekundet over tre minutter, holder det i\ntyve og trapper ned igen. Formen følger k6's råd for average-load tests:\noptrapningen tager 5 til 15 % af testen, plateauet varer mindst fem gange så\nlænge som optrapningen, og nedtrapningen omtrent lige så længe som optrapningen.\nEn spike test, som k6 foreslår til billetsalg, produktlanceringer og\nsæsonudsalg, ville komme bagefter med næsten ingen optrapning; denne beviser\nførst, at udsolgt-svaret holder ved en jævn takt.\n\n```javascript\nimport http from 'k6/http';\n\nexport const options = {\n  scenarios: {\n    sold_out: {\n      executor: 'ramping-arrival-rate',\n      startRate: 0,\n      timeUnit: '1s',\n      preAllocatedVUs: 400,\n      stages: [\n        { target: 2000, duration: '3m' },\n        { target: 2000, duration: '20m' },\n        { target: 0, duration: '3m' },\n      ],\n    },\n  },\n  thresholds: {\n    http_req_failed: ['rate\u003c0.01'],\n    http_req_duration: ['p(95)\u003c200'],\n    dropped_iterations: ['count\u003c1'],\n  },\n};\n\nexport default function () {\n  http.get('https://shop.example/sale/items/4711');\n}\n```\n\nKør den med `k6 run sold-out.js`. Antallet af virtuelle brugere er et skøn, som\nk6's dokumentation giver en formel for: den mediane iterationstid ganget med\ntakten plus en margen. Ved 2.000 forespørgsler i sekundet og omkring en\ntiendedel sekund til hver er 200 virtuelle brugere i gang på samme tid, og 400\ngiver luft. Bliver svarene langsommere, varer hver iteration længere, puljen\nløber tør, og k6 tæller de iterationer, den ikke kunne starte, i\n`dropped_iterations`. Derfor er den tredje tærskel med: en droppet iteration\nbetyder, at testen ikke sendte den belastning, den påstår, og k6 bemærker, at\ndroppede iterationer også kan være tegn på, at systemets ydelse forringes. De to\nandre tærskler får kørslen til at fejle, hvis mindst 1 % af forespørgslerne fejler,\neller hvis 95-percentilen er 200 ms eller højere.\n\nScenariet kommer fra sidens note om at\n[sælge den sidste billet præcis én gang](/da/notes/selling-limited-stock-without-overselling/).\nMed en million købere og ti tusind enheder skal 990.000 forespørgsler fejle,\npåpeger den, så afvisningen skal være det billigste svar, systemet giver.\nAfsnittet om at bevise designet omfatter en belastningstest af afvisningerne:\nudsolgt-stien skal forblive hurtig, når den udgør 99 procent af trafikken, og\nkanten af netværket skal kunne tage imod den. En test, der kun øver et vellykket\nkøb, måler den ene procent, der betyder mindst for kapaciteten.\n\n## Hvor det går galt\n\n**Testen venter på det system, den måler.** I det, k6 kalder den lukkede model,\nstarter hver virtuel bruger først sin næste iteration, når den forrige er\nfærdig. Når serveren bliver langsommere, bliver brugerne det også, ankomsttakten\nfalder, og systemet får en mildere test end den planlagte, en effekt, som ifølge\nk6 kaldes coordinated omission i noget af litteraturen. Rigtige besøgende venter\nikke på hinanden. Når spørgsmålet er, om et system kan klare en given takt af\nforespørgsler, så brug en executor fra den åbne model, som\n`constant-arrival-rate` eller `ramping-arrival-rate`, der starter iterationer\nefter planen uanset svartiden.\n\n**Belastningsgeneratoren er flaskehalsen.** Løber maskinen, der kører testen,\ntør for virtuelle brugere, CPU eller hukommelse, beskriver resultaterne\ngeneratoren og ikke målet. k6 fraråder `maxVUs` i de fleste tilfælde, fordi det\nkoster CPU og hukommelse at tilføje virtuelle brugere, mens testen kører, og kan\noverbelaste generatoren og forvride resultaterne. Dimensionér `preAllocatedVUs`\npå forhånd med et par lokale prøvekørsler, og hold øje med `dropped_iterations`.\nLocust fordeler belastningen over flere maskiner med én master-proces og mange\nworkers, når én maskine ikke er nok.\n\n**Den første kørsel er den største.** k6's dokumentation fortæller, at tusindvis\naf dens brugere har kørt belastningstests, der hurtigt fik deres applikationer\neller staging-miljøer til at gå ned. Start med en smoke test med nogle få\nvirtuelle brugere for at bevise script og miljø, kør så en average-load test, og\nførst derefter en stresstest; k6 kalder den rækkefølge afgørende. Problemer, der\nviser sig ved lav volumen, er langt lettere at finde, før belastningen er høj.\n\n**Belastningen går op og ned som en rutsjebane.** Et mønster, der stiger og\nfalder flere gange, spilder ressourcer og gør det svært at se, hvilken ændring\nder gav hvilket symptom. k6 anbefaler én retning ad gangen: trap op, hold et\nplateau, trap ned. Hold også scenarie, data og miljø ens fra kørsel til kørsel,\nså to resultater overhovedet kan sammenlignes.\n\n**Ingen har besluttet, hvad bestået betyder.** En kørsel, der ender med en side\nfuld af grafer og ingen kriterier, bliver læst forskelligt af alle, der ser på\nden, som regel velvilligt. Skriv tærsklerne før kørslen ud fra det mål,\ntjenesten holdes op på, og lad exit-koden afgøre sagen. Ved lange kørsler kan k6\nafbryde, så snart en tærskel fejler, med `abortOnFail`, og `delayAbortEval`\nforhindrer, at den stopper, før der er kommet nok målinger til, at de betyder\nnoget.\n\n**Én testtype bliver behandlet som hele svaret.** En average-load test siger\nikke meget om et udsalg, der rammer på få sekunder, og en spike test siger ikke\nmeget om en fejl, der først viser sig efter timers jævn brug. k6 siger klart, at\ningen enkelt testtype fjerner al risiko, og at risikoprofilen afgør blandingen:\net system, der er i fare ved langvarig brug, har først brug for soak tests, og\net, der er i fare ved intensiv brug, har brug for stresstests. En spike kan også\nsætte processer i gang, som aldrig kører på en almindelig dag, så scriptet skal\nhave dem med.\n\n## Læs mere\n\n- [Load test types](https://grafana.com/docs/k6/latest/testing-guides/test-types/)\n  — k6's overblik over smoke, average-load, stress, soak, spike og breakpoint\n  tests med den belastning og varighed, der er typisk for hver.\n- [Average-load testing](https://grafana.com/docs/k6/latest/testing-guides/test-types/load-testing/)\n  — hvordan optrapning, plateau og nedtrapning formes, og hvad man kan aflæse af\n  hver del.\n- [Thresholds](https://grafana.com/docs/k6/latest/using-k6/thresholds/) — k6's\n  kriterier for bestået og dumpet, deres syntaks, og hvordan en dumpet tærskel\n  sætter exit-koden.\n- [Open and closed models](https://grafana.com/docs/k6/latest/using-k6/scenarios/concepts/open-vs-closed/)\n  — hvorfor en test, hvis brugere venter på svar, får et langsomt system til at\n  se bedre ud.\n- [Arrival-rate VU allocation](https://grafana.com/docs/k6/latest/using-k6/scenarios/concepts/arrival-rate-vu-allocation/)\n  — hvor mange virtuelle brugere en test med åben model har brug for, og hvad\n  droppede iterationer betyder.\n- [What is Locust?](https://docs.locust.io/en/stable/what-is-locust.html)\n  — Locust-dokumentationens egen beskrivelse af et værktøj til belastningstest i\n  Python og dets distribuerede tilstand.\n\n\u003chttps://engineer.company/da/glossary/load-test/\u003e\n","date_modified":"2026-11-08T11:12:58Z","description":"Hvad en belastningstest måler, hvordan den adskiller sig fra stress-, soak- og spike-tests, hvordan man skriver en med tærskler, og hvor tallene snyder.","formats":{"gemtext":"https://engineer.company/da/glossary/load-test/index.gmi","gopher":"https://engineer.company/da/glossary/load-test/gophermap","html":"https://engineer.company/da/glossary/load-test/","json":"https://engineer.company/da/glossary/load-test/index.json","markdown":"https://engineer.company/da/glossary/load-test/index.md","pdf":"https://engineer.company/da/glossary/load-test/index.pdf"},"kind":"page","language":"da","title":"Hvad er en belastningstest?","url":"https://engineer.company/da/glossary/load-test/","version":1}