💻 Développement

load-test-planner

Planifie et exécute des tests de charge et performance.

⚡ Installation & lancement en 1 commande

Copiez-collez dans votre terminal : le skill s'installe dans ~/.claude/skills et Claude Code se lance directement dessus.

macOS / Linux
curl -fsSL https://raw.githubusercontent.com/khalilbenaz/claude-skills-collection/main/install.sh | sh -s -- load-test-planner --launch
Windows (PowerShell)
iex "& { $(iwr -useb https://raw.githubusercontent.com/khalilbenaz/claude-skills-collection/main/install.ps1) } load-test-planner -Launch"

🚀 Déjà installé ?

claude "/load-test-planner"

Ou tapez /load-test-planner dans une session Claude Code, ou décrivez simplement votre besoin — le skill se déclenche automatiquement via le skill-router.

🔑 Déclencheurs automatiques

Le skill s'active automatiquement quand votre demande contient :

test de chargeload teststress testperformance testk6JMeterGatlingbenchmarkcombien d'utilisateurs

📦 Installation manuelle

git clone https://github.com/khalilbenaz/claude-skills-collection.git cp -r claude-skills-collection/dev-skills/load-test-planner ~/.claude/skills/

Source : dev-skills/load-test-planner

📖 Manuel

Load Test Planner

Workflow

  1. Définir les objectifs de performance
    • Nombre d'utilisateurs simultanés cibles (concurrent users)
    • Requêtes par seconde attendues (RPS / TPS)
    • Objectifs de latence : p50, p95, p99 en millisecondes
    • SLA et seuils d'erreur acceptables (ex : < 1% d'erreurs, p95 < 500ms)
  1. Identifier les scénarios critiques
    • User journeys les plus fréquents selon les analytics de production
    • Opérations les plus coûteuses en ressources (requêtes lourdes, uploads)
    • Points chauds identifiés par le monitoring existant
    • Scénarios de pic prévisibles (soldes, lancement de produit, horaires de pointe)
  1. Choix de l'outil adapté
    • k6 : scripts en JavaScript, idéal pour les développeurs, CI/CD-friendly
    • JMeter : interface graphique, adapté aux équipes QA non-développeurs
    • Gatling : DSL Scala/Kotlin, excellents rapports HTML, haute performance
    • Artillery : YAML/JavaScript, orienté Node.js, bonne intégration AWS
  1. Écriture des scripts de test
    • Modéliser les scénarios réels (navigation, login, panier, checkout)
    • Configurer le ramp-up progressif (montée en charge graduelle)
    • Ajouter du think time pour simuler le comportement humain
    • Paramétrer les données (users différents, produits variés, tokens rotatifs)
  1. Types de tests à exécuter
    • Smoke test : 1-2 users, valider que le script fonctionne sans erreur
    • Load test : charge nominale attendue, vérifier les SLA
    • Stress test : dépasser la capacité pour trouver le point de rupture
    • Spike test : montée brutale et soudaine de charge
    • Soak/Endurance test : charge normale sur longue durée (memory leaks, dégradation)
  1. Exécution et monitoring en temps réel
    • Observer CPU, RAM, et I/O des serveurs pendant le test
    • Surveiller les connexions actives à la base de données
    • Monitorer les error rates et les timeouts en direct
    • Utiliser Grafana + InfluxDB ou k6 Cloud pour la visualisation temps réel
  1. Analyse des résultats
    • Comparer p50 (médiane), p95 et p99 aux objectifs définis
    • Calculer le throughput réel (requêtes réussies par seconde)
    • Identifier les bottlenecks (CPU saturé, DB lente, pool de connexions épuisé)
    • Corréler les pics de latence avec les métriques infrastructure
  1. Rapport et recommandations
    • Synthèse des résultats par scénario avec graphiques de tendance
    • Identification claire des goulets d'étranglement et de leurs causes
    • Recommandations d'optimisation priorisées (caching, indexation, scaling)
    • Plan de capacity planning : estimer les ressources nécessaires pour X users

Règles