Сучасні високонавантажені системи вимагають ювелірної точності в тестуванні продуктивності, адже найменша похибка здатна спровокувати лавиноподібний збій. На тлі стрімкого ускладнення API традиційний інструментарій дедалі частіше стає «вузьким місцем», що обмежує можливості для проведення глибокого аналізу. Платформа Perfscale виходить на новий етап еволюції, відкриваючи доступ до частини свого ядра та впроваджуючи підтримку перспективних мережевих протоколів. Цей крок ознаменував трансформацію інструмента у повноцінну екосистему, покликану гарантувати стабільність цифрових сервісів у глобальному масштабі.
Стратегія розвитку Perfscale перейшла у фазу відкритості: значна частина рушія була переведена у формат Open Source. Створення окремої організації на GitHub дозволяє спільноті глибше інтегруватися в продукт, а використання сучасних інструментів штучного інтелекту під час міграції коду значно прискорило процес публікації.
У межах цього переходу було реалізовано систему бенчмаркінгу. Оскільки Perfscale має можливість запускати такі інструменти, як Locust та k6, було створено інфраструктуру для порівняльного аналізу продуктивності. Система дозволяє не лише фіксувати поточні показники, а й зіставляти їх із попередніми прогонами, що є критично важливим для відстеження регресії та прогресу оптимізації.
Первинні тести зосереджені на аналізі базових ресурсів та визначенні оверхеду (додаткових витрат ресурсів) порівняно з іншими популярними фреймворками.
Особлива увага приділяється мікробенчмаркам, які дозволяють виявити «вузькі місця» на найнижчому рівні виконання.
Аналіз показав, що найефективнішим і найшвидшим рушієм виявився YAML. Це пояснюється відсутністю потреби виділяти додаткові системні ресурси під виконання стороннього коду, що робить синтаксис YAML пріоритетним напрямом для подальшого розвитку платформи. У майбутньому планується розширення функціоналу, зокрема впровадження підтримки WebSocket, що значно збільшить сферу застосування системи.
Паралельно з розвитком ядра було реалізовано підтримку HTTP-методу QUERY, що відповідає стандарту RFC 10008. Цей метод призначений для роботи з ідемпотентними даними, коли за однакових вхідних параметрів результат залишається незмінним. Впровадження QUERY розв'язує фундаментальну проблему обмеження довжини рядка пошуку в GET-запитах і знижує ризики, пов'язані з безпекою передачі даних через URL.
У реалізації Perfscale використання цього методу в YAML-конфігурації виглядає лаконічно: користувач визначає метод QUERY, вказує URL і передає тіло запиту з параметрами пошуку. Наразі на ринку вкрай мало бекендів, що нативно підтримують цей метод, що робить Perfscale одним із перших інструментів, які забезпечують таку можливість «з коробки».
Масштабування проєкту виходить за межі суто технічних оновлень. Подання заявки до західного венчурного фонду LvlUp уже принесло перші результати: інтерес до проєкту виявила компанія SHOPLINE (NASDAQ: JOYY). Цей крок продиктований специфікою ринку високонавантажених систем, де доступ до великих корпоративних замовників часто потребує наявності розвиненої мережі професійних контактів на рівні топменеджменту.
Венчурний шлях розглядається як спосіб подолання бар'єру входу в сегмент Enterprise. Водночас платформа продовжує розвивати модель надання послуг для бізнесу, якому складно або дорого утримувати власного фахівця з навантажувального тестування в штаті. Модель зовнішнього експертного супроводу дозволяє компаніям отримувати доступ до потужностей Perfscale за вартістю, що є значно нижчою за витрати на найм і утримання повноцінного SDET-інженера, забезпечуючи при цьому високу якість верифікації продуктивності застосунків.
Трансформація ChatGPT в універсального цифрового агента
