如何搭建 k6 + Grafana 性能测试实时监控仪表盘：从零到曲线生长只要 3 条命令

【免费下载链接】k6A modern load testing tool, using Go and JavaScript项目地址: https://gitcode.com/GitHub_Trending/k6/k6

刚跑完一轮 k6 压测，终端里滚过的只剩一行行数字，响应时间到底涨没涨、错误是什么时候冒出来的，全靠最后那个汇总回忆。这篇指南用 k6（JavaScript 写用例、Go 写内核的负载测试工具）搭配 InfluxDB 和 Grafana 这套开源组合，3 条命令搭起实时性能测试仪表盘——压测跑到一半，浏览器里的曲线就在同步生长，哪一秒变慢、哪一批请求挂了，一眼就能指出来。

场景：盯着终端数字，还是不知道卡在哪一步

压测最难受的时刻，是问题正在发生你却看不见。终端告诉你"有 5 个 VU 在干活"，但回答不了：响应耗时是稳定在 200ms 附近，还是从第 30 秒开始一级一级往上爬？checks 通过率是全程 100%，还是某 10 秒间突然塌了下去？这些答案都藏在"指标 × 时间"里，而纯终端输出只给你瞬时快照。把指标实时画成曲线之后，"卡在哪一步"才变成一个可以指着图讨论的问题。

一句话看全貌：三个角色，一条数据流

整条链路只有三个角色，各司其职：

• k6：发压并产生指标。响应时间、虚拟用户数、检查通过率这些内置指标定义在 metrics/builtin.go；
• InfluxDB：负责存。它是时序数据库——专门存"随时间变化的数字"的数据库，天然适合压测指标这种高频打点数据；
• Grafana：负责画。它定时查询 InfluxDB 里的同一份数据，把数字变成实时曲线。

k6 通过一个命令行参数把指标直接写进 InfluxDB，Grafana 再从同一个库里读，于是发压和看盘是同步的。数据导出由 k6 自带的输出模块实现，仓库里还附带拼好的容器化示例，不用自己写配置。

实操：3 条命令拉起环境并点亮仪表盘

前提是本机已装好 Docker、Docker Compose 和 k6 命令行。

第 1 步：克隆仓库，拿到现成的可视化示例

git clone https://gitcode.com/GitHub_Trending/k6/k6

做完这步你会得到 examples/docker-compose/influxdb-v1/ 目录，里面有拼好的docker-compose.yml、预配置的 Grafana 数据源和性能测试仪表盘，以及一个开箱即用的script.js。

第 2 步：一条命令拉起 InfluxDB 和 Grafana

cd k6/examples/docker-compose/influxdb-v1 && docker-compose up -d

这份编排做了三件事：InfluxDB 监听 8086 端口并自动创建名为k6的数据库；Grafana 开放 3000 端口、开启匿名管理员登录；grafana/目录下的配置文件把数据源和面板一次性挂好，你不需要手动点任何"添加数据源"。

做完这步你应该看到：docker-compose ps里两个容器都是 Up；浏览器打开http://localhost:3000/d/Le2Ku9NMk/k6-performance-test，能看到一块空的 k6 性能测试仪表盘——它正在等数据。

第 3 步：跑 k6，把指标写进 InfluxDB

k6 -i 20 --vus 5 --out influxdb=http://localhost:8086/k6 run script.js

这条命令让 5 个虚拟用户共发起 20 次请求，对示例站点做 GET，并顺带断言"状态码是 200""协议是 HTTP/2"。整条命令里唯一需要记住的是--out：它告诉 k6 把指标写到http://localhost:8086/k6，也就是 InfluxDB 的k6库。

做完这步你应该看到：终端滚动出实时请求流；此时刷新 Grafana 页面，空面板上开始出现vus和http-req duration两条曲线，并且随测试进行持续生长。

面板怎么读：判断系统正不正常的 3 个信号 📈

k6 导出的指标不少，新手盯住下面三个就够下判断，每个都按"正常形态 vs 异常形态"对照着看：

• vus（虚拟用户数）：正常形态是一条贴合压测设定的平线——本例固定 5，就该是平线；一旦出现剧烈波动或突然归零，说明脚本中途挂了或执行模型变了，先回终端查错误。
• http_req_duration（响应时间）：正常是一段稳定、窄幅的波动带，是判断瓶颈的核心；一旦出现持续抬高的台阶或尖刺，说明目标服务开始变慢，对照你设的阈值（比如 p95 < 500ms）判断是否越线。
• checks（检查通过率）：正常接近 100%；出现下凹意味着有请求没达标，配合终端里的失败项定位是哪个断言挂了。

还有个容易忽略的读数顺序：先看 vus 确认压力如预期，再看吞吐类指标确认请求真发出去了，最后才看耗时。顺序反了，容易把"根本没发压"误诊成"系统变快了"。

快速排障：屏幕不动的 3 种常见情况 🛠️

面板全程空白→ 原因：漏了--out参数，或写入地址里的库名和 InfluxDB 实际库名对不上（本例库名是k6）。 → 解法：核对命令含--out influxdb=http://localhost:8086/k6；再用docker-compose logs influxdb确认数据库初始化成功。

k6 一启动就报连不上输出端点→ 原因：docker-compose up -d之后容器还在拉镜像或启动中，8086 端口尚未就绪。 → 解法：跑docker-compose ps，等两个容器都显示 Up 再执行 k6。

曲线太"平滑"，只有寥寥几个点→ 原因：示例只发 20 次请求，总时长可能不足几秒，样本太少画不出形态。 → 解法：加大-i，或改用duration 30s之类的时长配置，把观察窗口拉长。

延伸：从"能看到"到"会报警"

两个方向点到为止：

1. 把阈值变成硬判定。在脚本的options.thresholds里声明http_req_duration: ["p(95)<500"]，越线时 k6 以非零退出码结束，天然适合接进 CI，写法可参考 examples/thresholds.js。
2. 自定义指标 + 自定义面板。用new Trend('my_metric')创建自己的指标（比如"下单接口耗时"），它会和内置指标一样进 InfluxDB，之后只需在 Grafana 新建面板、把查询改成你的指标名。

想要更完整的参数说明和全部内置指标列表，可以查阅 k6 与 Grafana 的官方文档；同一套"压测引擎 + 时序存储 + 可视化"的思路，仓库里还有一份 OpenTelemetry 版示例（examples/docker-compose/opentelemetry/），换个存储照着跑一遍即可。

【免费下载链接】k6A modern load testing tool, using Go and JavaScript项目地址: https://gitcode.com/GitHub_Trending/k6/k6