核心是将压测能力固化进镜像并自动执行基准验证：Dockerfile预装工具、内置脚本与基线配置，通过三阶段构建分离测试与生产镜像，CI中用test镜像运行stress-test.sh比对历史阈值，失败则中断流程，并结构化归档报告供趋势分析。
核心是把压测能力固化进镜像本身，并让每次构建都自动完成一次轻量级基准验证，确保新版本性能不劣化。
压测工具与脚本必须打进镜像
不能依赖宿主机或CI节点安装hey、autocannon等工具——环境不一致会导致结果不可比。在Dockerfile中直接集成：
- 用FROM node:18-alpine或FROM golang:1.22-alpine作为基础，预装压测工具
- 例如：RUN npm install -g autocannon 或 RUN curl -L https://github.com/rakyll/hey/releases/download/v0.1.4/hey_linux_amd64 -o /usr/local/bin/hey && chmod +x /usr/local/bin/hey
- COPY stress-test.sh 和 baseline.json（含历史P95阈值、TPS下限等）到镜像内同一目录
- 设置ENTRYPOINT ["./stress-test.sh"]，统一调用入口
用多阶段构建分离测试与运行时
生产镜像要干净，但压测验证必须可靠。推荐三阶段结构：
- builder：编译源码、跑单元测试
- tester：基于builder产物 + 压测工具 + 脚本，构建myapp:test镜像
- runtime：最小化alpine基础 + COPY二进制，生成myapp:prod
- CI中只用myapp:test执行压测；通过后才构建并推送myapp:prod
压测逻辑需绑定基线指标做自动判定
不是只跑完就结束，而是和历史基准对齐。stress-test.sh里应包含：
- 启动服务：docker run --rm -d --name app-test -p 8080:8080 myapp:test
- 等待就绪后执行：autocannon -c 50 -d 20 -j http://localhost:8080/health
- 解析JSON输出，提取p95、requests/sec、errors
- 对比baseline.json中的阈值，任一超标则exit 1中断CI流程
结果必须结构化归档用于趋势分析
每次压测生成带时间戳的report-$(date +%s).json，内容包括：
- 当前镜像SHA、Git commit hash、测试时间
- 实测P50/P90/P99延迟、吞吐量、错误率
- 与baseline的偏差百分比（如“P95 +3.2%”）
- 该报告上传至对象存储或写入InfluxDB，供Grafana看板长期追踪
