pg-stress — 使用 Claude 驱动的建议进行 PostgreSQL 压力测试

Source: Dev.to

像机器一样测试

当我开始构建 pg-collector（另一个使用 pg-test 进行大量压力测试的项目）时，我很快遇到一个问题：我没有可靠的方式随时让 PostgreSQL 失效。虽然有很多生成合成数据的工具，但没有一个提供完整的压力测试工作流。于是 pg‑stress 的想法诞生了。

“自嗨”而来

pg‑stress 并不是作为商业产品起步的。在开发 pg‑collector 时，我需要一种有意对 PostgreSQL 施压的手段——不仅仅是做基准测试。为此构建的工具后来就成为了 pg‑stress。

把它当作汽车测试

新车下线后，除了在平坦道路上行驶，还会在以下环境中进行测试：

• 坎坷路面
• 极端温度
• 高速耐久跑

同理，在把新查询投产之前，你可以把它注入 pg‑stress，让它在数百个连接下运行，插入数百万行数据，并将结果输出到 Claude 聊天框中获取建议。

数据库也一样

生产环境的问题往往在以下情况下显现：

• 突发流量
• 不可预测的工作负载
• 资源争用

pg‑stress 正是为模拟这些情形而构建的。

pg‑stress 实际测试的内容

这可不是简单的 “在循环里跑 SELECT 1”。pg‑stress 会向 PostgreSQL 注入真实世界的混乱因素。

抖动 + 随机性

• 非均匀的流量模式
• 不可预测的工作负载
• 并发突增

膨胀 & 连接压力

• 表和索引膨胀场景
• 连接耗尽
• 锁争用

查询压力

• 负载下的慢查询
• 大规模 Join
• 随时间推移的性能下降

从压力 → 上下文 → 智能

大多数压力工具只停留在报告 TPS 和延迟数字。pg‑stress 更进一步，生成结构化输出，便于进行上下文分析。

为 AI 辅助诊断而构建

pg‑stress 的输出已针对现代工作流进行优化：

• 直接喂给 Claude 等模型
• 根据压力结果获得可操作的建议

更大系统的一部分

pg‑stress 旨在作为更大可观测性与可靠性栈的组件，能够与监控、告警以及 AI 驱动的诊断系统集成。

结束语

如果你不能在受控环境下让数据库崩溃，它迟早会在生产环境中以自己的方式崩溃。

仓库

pg‑stress on GitHub (replace with actual URL)

Tags: DataEngineering, AIInfrastructure, MachineLearning, PostgreSQL, OpenSource