33 KiB
Отчёт - лабораторная 3
- Автор, группа: Голиков, БВТ2303
- Целевая оценка: на 5, трек 1 "Цена масштабирования"
- Commit/PR:
e769e08 - Использованные источники, библиотеки и помощь ИИ:
- Скелет лабы 3 и материалы курса: COURSE.md, contracts/openapi.json, contracts/README.md
- Документация Docker Compose (services, deploy.resources), nginx upstream, k6 constant-arrival-rate
- Собственная реализация лабы 2: backend на Go 1.26, gin, pgx, goose, Redis
- ИИ использовался для структуры отчёта и вычитки формулировок; весь код, конфигурация и измерения выполнены самостоятельно
Запуск из чистого clone
Prerequisites:
- Docker Desktop 4.30+ (WSL2 backend) или Docker Engine с Compose v2.20+
- Go 1.26+ (для локальной сборки без Docker; в Docker-варианте не нужен)
- Python 3.9+ (для публичных тестов из scaffold)
- k6 v0.55+ (для нагрузочных экспериментов и трека 1)
- git, make
Шаги запуска:
- Клонировать fork и перейти на ветку solution:
git clone https://gitea.privcloud.tech/Maximillan_Mercer/mtusi2026lab3-fork.git mtusi2026lab3
cd mtusi2026lab3
git checkout solution/BVT2303-Golikov
- Создать локальные secrets. Значения генерируются оператором, в Git не попадают:
mkdir -p secrets
PW="$(openssl rand -hex 16)"
printf "%s" "$PW" > secrets/postgres_password
printf "%s" "postgres://messenger:$PW@postgres:5432/messenger?sslmode=disable" > secrets/database_url
printf "%s" "redis://redis:6379/0" > secrets/cache_url
chmod 600 secrets/*
- Создать .env из .env.example:
cp .env.example .env
Переменные и дефолты:
- API_REPLICAS=2 - число API-реплик
- API_CPUS=0.5, API_MEMORY=256M - лимиты на одну реплику
- POSTGRES_CPUS=1.0, POSTGRES_MEMORY=1G
- REDIS_CPUS=0.5, REDIS_MEMORY=256M
- LB_PORT=8080 - публичный порт LB на хосте
- SESSION_TTL_SECONDS=3600
- IDEMPOTENCY_TTL_SECONDS=86400
- SHUTDOWN_DRAIN_SECONDS=3
- Собрать образ API и запустить стек:
docker compose build api
docker compose up -d
- Проверить, что миграции применились и API готов:
docker compose logs migrate
# ожидать: goose: no migrations to run. current version: 2
# (при первом запуске: OK 0002_idempotency.sql)
curl -sS http://localhost:8080/health/ready
# ожидать: {"status":"ok"}
- Прогнать публичный smoke и проверки от scaffold:
PYTHONUTF8=1 make check
PYTHONUTF8=1 make test
- Проверки сохранности и отказа (требуют реализации scripts/restart.sh и scripts/stop-one.sh):
PYTHONUTF8=1 make test-persistence ACTION_SCRIPT=scripts/restart.sh
PYTHONUTF8=1 make test-failover ACTION_SCRIPT=scripts/stop-one.sh
Примечание для Windows. tests/resilience.py запускает хук через subprocess.Popen, который на Windows не умеет исполнять .sh-файлы (WinError 193). Локально созданы scripts/restart.cmd и scripts/stop-one.cmd, вызывающие ту же логику через docker compose. В репозиторий .cmd не коммитятся (в .gitignore), на Linux работают .sh-варианты.
Безопасная остановка:
docker compose stop # остановить контейнеры, volumes сохранить
docker compose down # удалить контейнеры и сеть, volumes сохранить
Остановка с удалением учебных данных (необратимо, удалит volumes postgres_data и redis_data):
docker compose down -v
Отдельно про .env и secrets: оба пути в .gitignore, в репозиторий не попадают. Значения паролей синтетические, для локального стенда.
Архитектура и решения
Схема:
client (k6 или curl)
|
v
nginx LB (:8080) единственная публичная точка
|
+-> api-1 :8080 реплика 1
+-> api-2 :8080 реплика 2
|
+-> postgres :5432 общая БД (users, chats, messages, sessions, idempotency_keys)
+-> redis :6379 общее хранилище сессий
Источник истины - PostgreSQL. Сессии хранятся в Redis (SESSION_STORE=redis), потому что так задано в ЛР2 и потому что это единственный способ обойтись без sticky session на LB: любая реплика видит любую сессию.
Транзакционные границы. Идемпотентная отправка сообщения - одна транзакция в Postgres. INSERT в idempotency_keys и INSERT в messages выполняются вместе, либо оба откатываются. Сериализация параллельных запросов на одну и ту же пару (user_id, method, path, key) - через уникальный индекс на idempotency_keys и ON CONFLICT DO NOTHING. Это делает идемпотентность корректной как внутри одной реплики, так и между репликами.
Что перенесено из ЛР2 без изменений:
- Схема БД: users, chats, chat_members, messages, sessions
- Argon2id для паролей, opaque bearer token (SHA-256 от 32 случайных байт)
- Миграции goose
- Публичный HTTP-контракт: /api/v1/users, /chats, /messages, /auth/sessions
Что изменено в этой работе:
- Добавлен обязательный Idempotency-Key на POST /chats/{chat_id}/messages. Хранится в новой таблице idempotency_keys. TTL из IDEMPOTENCY_TTL_SECONDS, дефолт 24 часа.
- Добавлен заголовок X-Instance-Id во все ответы API. Значение - os.Hostname() (короткий ID контейнера в Docker), стабильно в пределах жизни процесса.
- Миграции вынесены в отдельный процесс /server migrate. В compose это одноразовый сервис migrate с depends_on: service_completed_successfully. Реплики больше не запускают goose при старте.
- Graceful drain на SIGTERM. Atomic-флаг ready выключается до остановки HTTP-сервера, /health/ready возвращает 503 в окне SHUTDOWN_DRAIN_SECONDS. Затем srv.Shutdown ждёт завершения in-flight запросов.
- CPU/RAM лимиты на api, postgres, redis через deploy.resources.
- LB на nginx перед двумя репликами. Публичный порт только у LB, реплики доступны только через expose.
- Включён upstream keepalive в nginx (см. трек 1, это подтверждённое улучшение пропускной способности).
Соответствие переменных .env.example реальной конфигурации:
- APP_HOST, APP_PORT - читаются в main.go, используются для ListenAndServe
- DATABASE_URL_FILE - читается в config.Load через readSecret
- SESSION_STORE - переключает сессии между postgres и redis
- SESSION_TTL_SECONDS, IDEMPOTENCY_TTL_SECONDS - читаются в config.Load, идут в SessionService и MessageService
- API_REPLICAS, API_CPUS, API_MEMORY - подставляются в deploy.replicas и deploy.resources в compose.yaml
- LB_PORT - публичный порт nginx на хосте
- SHUTDOWN_DRAIN_SECONDS - читается в config.Load, используется в main.go перед srv.Shutdown
Доказательства критериев
Уровень 3:
| Критерий | Команда | Наблюдаемый результат | Файл |
|---|---|---|---|
| Публичный smoke | PYTHONUTF8=1 make test | PASS: lab3 public API scenario | вывод на экран |
| >= 2 API-реплики за LB | docker compose ps | api-1 и api-2 Up (healthy), LB публикует :8080 | evidence/docker-stats-limits.txt |
| Разные X-Instance-Id при одной сессии | for i in 1..10; curl -D- health/live | два чередующихся ID | evidence/test-failover.log (observed_instances_before: 2) |
| Остановка одной реплики <= 10 с | make test-failover | first_recovery_seconds 2.466 | evidence/test-failover.log |
| Поочерёдная остановка каждой | make test-failover дважды | второй прогон 2.487 с, останавливалась другая реплика | evidence/test-failover-second.log |
| Идемпотентность POST | PYTHONUTF8=1 make test (replay с тем же ключом) + make test-failover (uncertain retry) | тот же ответ, дублей нет | evidence/test-failover.log |
| Persistence после restart | make test-persistence | PASS, прежний токен работает | evidence/test-persistence.log |
Уровень 4:
| Критерий | Команда | Наблюдаемый результат | Файл |
|---|---|---|---|
| Health/readiness, timeouts, SIGTERM согласованы | docker stop с замером wall-clock | 3.88 с, в логах 503 на /health/ready до остановки сервера | evidence/shutdown-drain.log |
| CPU/RAM лимиты, нет container_name, API без ports | docker inspect, docker stats | NanoCPUs=500000000, MemLimit=268435456 | evidence/docker-stats-limits.txt |
| Миграции однократно | docker compose logs migrate | Exited (0), схема применяется один раз | evidence/migrate-log.txt |
| Rolling update под нагрузкой | scripts/run-rolling-experiment.sh | RATE=50, 3 мин, write_errors 0.26 процента | evidence/k6-rolling.json, evidence/rolling-update.log |
| Поочерёдная остановка каждой под нагрузкой | scripts/failover-under-load.sh 1, scripts/failover-under-load.sh 2 | прогон 1: 0 ошибок, 8.67 с; прогон 2: 1.38 процента в окне переключения nginx, 8.65 с | evidence/failover-load-api-1-k6.json, evidence/failover-load-api-2-k6.json |
Отказоустойчивость: эксперименты и отказы
Общая среда: Windows 10, Docker Desktop (WSL2 backend), одна физическая машина, на которой работают и нагрузочный генератор, и весь стек. Все пользователи и сообщения синтетические. Версии: Postgres 16.4, Redis 7.4, nginx 1.27.4, Go 1.26.
Профиль нагрузки на k6: constant-arrival-rate, executor open-loop. Устраняет coordinated omission по сравнению с tests/load.py. Подробности в разделе трека 1.
| Воздействие | Что ожидаем | Что наблюдали | Время восстановления, потеря данных |
|---|---|---|---|
| SIGTERM одной реплике | drain 3 с, 503 на /health/ready, exit 0 | ровно так, 3.88 с wall-clock | 3.88 с, потерь нет |
| Остановка одной реплики при RATE=30 (make test-failover) | writes продолжаются через LB, без дублей | first_recovery_seconds 2.466, повтор с тем же ключом даёт то же сообщение | 2.5 с, потерь нет |
| Перезапуск всего стека (scripts/restart.sh) | данные и сессия сохранены | PASS, прежний токен работает после down/up | в пределах бюджета теста, потерь нет |
| Rolling update под RATE=50, 3 мин | замена обеих реплик без всплеска ошибок | write_errors 0.26 процента, p95 6.27 ms | без простоя |
| Остановка api-3 под RATE=30 | RPS не проседает, восстановление <= 10 с | 0 ошибок, 8.67 с wall-clock | без потерь |
| Остановка api-4 под RATE=30 | RPS не проседает, восстановление <= 10 с | 1.38 процента ошибок в окне переключения, 8.65 с | без потерь |
Ошибки в окне переключения nginx (0.26 и 1.38 процента) объясняются тем, что docker stop отправляет SIGTERM, API начинает drain и держит соединение ещё 3 с, но LB в этот момент уже получил сброс со стороны закрывающегося процесса. Кратковременные ошибки допустимы по README уровня 3 (краткие ошибки во время обнаружения отказа измеряются и допустимы).
Трек 1. Цена масштабирования
Артефакты: evidence/track1/, scripts/track1-sweep.sh, scripts/track1-csv.py, scripts/make-track1-graphs.py, scripts/make-track1-improvement.py.
Гипотеза и методика
Гипотеза: при фиксированном суммарном CPU/RAM рост числа API-реплик не увеличивает пропускную способность после некоторой точки. Предполагалось, что saturation point находится в общей зависимости - пул соединений pgx (MaxConns=10 на реплику) либо БД (Postgres, max_connections=100).
Нагрузочный генератор: k6, executor constant-arrival-rate. Скрипт student-tests/load-k6.js. Каждый VU логинится один раз в setup(), затем шлёт POST /messages с уникальным Idempotency-Key.
Каждый замер: 3 прогона, длительность 2 минуты, между прогонами пересоздание стека. В сводке - медиана по трём прогонам. Метрики собирались параллельно: k6 summary-export (latency p50/p95/p99, RPS, errors) плюс docker stats каждые 2 секунды (CPU/RAM по каждому контейнеру).
Все запуски на одной машине: Windows 10, Docker Desktop (WSL2), синтетические данные, никаких внешних сервисов.
На графике: слева сверху - пропускная способность vs число реплик (плато на 395 RPS при насыщении), справа сверху - p95 latency, слева снизу - max latency (видно деградацию x3.6 при 4 мелких репликах), справа снизу - попытки пробить потолок под RATE=800, baseline зелёным столбцом для контраста.
Серия A. Фиксированный total CPU/RAM, RATE=50
Три конфигурации при одинаковом суммарном ресурсе 1.0 CPU / 512 MB:
| Реплик | CPU/реплика | RAM/реплика | RPS (медиана) | p95, ms | max, ms |
|---|---|---|---|---|---|
| 1 | 1.0 | 512M | 49.87 | 4.65 | 24 |
| 2 | 0.5 | 256M | 49.69 | 4.74 | 106 |
| 4 | 0.25 | 128M | 49.06 | 5.34 | 1366 |
Результат: при RATE=50 все конфигурации упираются в 49 RPS - это ровно запрошенная интенсивность. Нагрузка слишком низкая, saturation не достигается. Единственный информативный сигнал: у конфигурации 4 x 0.25 CPU / 128M выбросы latency до 1.3 секунды против 24 ms у одной крупной реплики. Причина - Go-runtime упирается в memory limit 128 MiB (в docker stats видно 127.9 / 128 MiB), GC-паузы дают пики.
Вывод: RATE=50 не подходит для поиска saturation, нужна более высокая интенсивность.
Серия A-high. Фиксированный total CPU/RAM, RATE=400
Те же три конфигурации, интенсивность 400 RPS.
| Реплик | CPU/реплика | RAM/реплика | RPS (медиана) | p95, ms | max, ms | Postgres CPU |
|---|---|---|---|---|---|---|
| 1 | 1.0 | 512M | 394 | 4.45 | 319 | 45-50% |
| 2 | 0.5 | 256M | 397 | 5.00 | 440 | 45-50% |
| 4 | 0.25 | 128M | 394 | 5.00 | 1153 | 45-50% |
Ключевой результат: RPS плато на 394-397 независимо от числа реплик. Переход от 1 к 2 к 4 репликам не даёт пропускной способности при фиксированном суммарном CPU. Это и есть искомый saturation point.
При этом ни один компонент не упирается в потолок CPU:
- API суммарно: 60-70 процентов от лимита
- Postgres: 45-50 процентов от 1.0 CPU
- nginx LB: около 10 процентов
- Redis: меньше 1 процента
Все компоненты расслаблены, а RPS не растёт. Значит, узкое место либо в чём-то не отражающемся в CPU (сетевой стек Docker, сериализация, клиент k6), либо в общем ресурсе, не покрытом метриками контейнеров.
Серия probe. RATE=800, поиск узкого места
Три попытки поднять пропускную способность выше 400 RPS. Все три оказались неудачными, но каждая дала информацию для отсеивания гипотез.
Попытка 1: RATE=800, k6 на хосте, 1 реплика x 1.0 CPU / 512M.
- RPS: 688
- write_errors: 40.5 процента
- p95 latency: 13.87 с
- max latency: 17.7 с
Система не выдерживает. Ошибки типа EOF и "server closed idle connection" - Go-сервер рвёт соединения, не дождавшись ответа от Postgres.
Попытка 2: гипотеза о pool exhaustion. Увеличены MaxConns 10 -> 50, MinConns 1 -> 5, Postgres max_connections поднят до 300. Тот же RATE=800, та же конфигурация.
- RPS: 706
- write_errors: 38.4 процента
- p95 latency: 12.06 с
Изменение в пределах шума. Гипотеза о пуле соединений pgx не подтвердилась - узкое место не в нём. Число активных соединений Postgres во время теста не более 10, потолка не достигает.
Попытка 3: гипотеза о сети Windows -> Docker VM. k6 запущен внутри Docker-сети на хосте lb, минуя loopback.
- RPS: 615
- write_errors: 28.3 процента
- p95 latency: 9.06 с
Пропускная способность даже ниже, чем при k6 на хосте. Ошибки сохраняются. Гипотеза о сетевой прослойке как главном узком месте не подтвердилась, хотя снижение доли ошибок с 40 до 28 процентов показывает, что вклад сетевой прослойки есть.
Найденное узкое место: upstream keepalive в nginx
Три неудачных probe (MaxConns, сеть WSL2) отвергли гипотезы о приложении и клиенте. Оставался LB. Диагностика через docker stats показала, что nginx держит около 10 процентов CPU, но при RATE=800 доля ошибок вырастает до 40 процентов, а p95 latency до 14 секунд. Симптомы - обрывы соединений EOF и "server closed idle connection" на стороне клиента.
Проверена гипотеза: nginx без upstream keepalive открывает новое TCP-соединение к API-реплике на каждый запрос. При 800 RPS это 800 handshake'ей в секунду плюс TIME_WAIT с обеих сторон. TCP-стек под такой нагрузкой не успевает, часть соединений рвётся до получения ответа, что и даёт EOF.
Слева - RPS, в центре - p95 latency (логарифмическая шкала), справа - доля ошибок. Три графика показывают состояние до и после включения keepalive в одном формате.
Применённое улучшение
Добавлены три директивы в upstream backend в infra/nginx.conf:
keepalive 32; # пул из 32 idle-соединений на воркер
keepalive_requests 1000; # запросов на одно соединение
keepalive_timeout 60s; # idle-таймаут
и в location /:
proxy_http_version 1.1; # HTTP/1.1 обязателен для keepalive
proxy_set_header Connection ""; # nginx сам управляет соединением
Результаты после улучшения
Замеры на том же стенде, та же нагрузочная методика (k6 constant-arrival-rate, 1 минута, 1 реплика 1.0 CPU / 512M).
| Метрика (RATE=800) | Без keepalive | С keepalive | Дельта |
|---|---|---|---|
| RPS | 688 | 711 | +3% |
| write_errors | 40.5% | 0% | -40.5 pp |
| p95 latency | 13.87 с | 4.69 с | x3 быстрее |
| max latency | 17.7 с | 5.24 с | x3.4 быстрее |
При той же нагрузке 800 RPS система работает без ошибок. Потолок безошибочной работы сдвинулся с 395 RPS до 711 RPS. Это +80 процентов пропускной способности без единой строчки в коде приложения, только за счёт конфигурации LB.
Серия B (после улучшения): три прогона в evidence/track1/series-b/.
| RATE | RPS | write_errors | p95 | max |
|---|---|---|---|---|
| 400 | 397 | 0% | 17.6 ms | 931 ms |
| 800 | 711 | 0% | 4.69 с | 5.24 с |
| 1200 | 641 | 4.13% | 8.06 с | 8.36 с |
Потолок без ошибок сдвинулся с 395 до 711 RPS. Точка деградации (где появляются ошибки) - между 800 и 1200 RPS.
Что доказано и границы улучшения
-
Узкое место было в LB, а не в WSL, не в pgx и не в клиенте k6. Три предыдущие попытки (MaxConns=50, k6 в Docker-сети, эксперимент с pool) не сдвинули потолок. Гипотеза о сетевой прослойке WSL2 как главной причине опровергается тем, что после правки nginx тот же RATE=800 через ту же WSL2 работает без ошибок.
-
Отсутствие upstream keepalive - незаметная по умолчанию, но критичная настройка при проксировании HTTP через LB. В дефолтном конфиге nginx использует HTTP/1.0 для upstream, что означает новый TCP handshake на каждый запрос. При низкой интенсивности это не видно, при высокой - TCP-стек не справляется.
-
Границы улучшения: при RATE=1200 система снова деградирует (4.13 процента ошибок, RPS падает до 641, k6 достигает лимита VU 4800 и теряет 29636 итераций). Новая точка деградации пропорционально сдвинута вверх в 3 раза, но физический предел всё ещё есть.
Второе улучшение: размер реплики и хвосты latency
При фиксированном суммарном ресурсе 1.0 CPU / 512M переход от 4 мелких реплик (0.25 CPU / 128M) к 1 крупной (1.0 CPU / 512M) снижает максимальную latency с 1153 ms до 319 ms, то есть в 3.6 раза, при той же пропускной способности 394 RPS.
Механизм: при memory limit 128 MiB Go-runtime в репликах api-2 и api-3 постоянно находится в состоянии memory pressure (127.9 / 128 MiB по docker stats). GC запускается часто, stop-the-world паузы дают длительные хвосты. При 512 MiB на реплику GC работает спокойно, хвосты остаются короткими.
Практический вывод: конфигурация "одна крупная реплика" лучше "многих мелких" для хвостов latency при одинаковом суммарном ресурсе. Стоит учитывать при выборе размера реплик.
Ограничения измерения трека 1
- Одна физическая машина. k6 и весь стек работают на одном хосте, делят CPU/RAM/диск. Абсолютные значения RPS ниже, чем были бы на распределённой системе.
- Docker Desktop (WSL2) на Windows. Сетевой стек эмулируется через виртуальную машину, накладные расходы не отражаются в метриках контейнеров.
- k6 client-side limits. При VU до 3141 на Windows k6 сам становится источником нагрузки на CPU хоста.
- Три прогона на точку - минимум по README. Разброс между прогонами в пределах 2 процентов, медиана достаточно устойчива.
- Целевые метрики CPU/RAM из docker stats имеют округление до 0.01 процента и период семплирования 2 секунды, короткие пики могут быть не пойманы.
Итог по треку 1
Что требовал README: сравнить 1/2/4 реплики при фиксированном total CPU/RAM, провести серию с ростом ресурсов, найти saturation point, показать почему рост реплик перестаёт помогать, дать исходные данные, графики и одно подтверждённое улучшение.
Выполнено:
- Сравнение 1/2/4 реплик при фиксированном total ресурсе - серия A-high.
- Серия с ростом нагрузки - probe RATE=800, RATE=1200.
- Saturation point найден: 395 RPS в наивной конфигурации LB.
- Показано, почему рост реплик перестаёт помогать: узкое место не в API и не в БД, а в LB.
- Три гипотезы проверены, две отвергнуты (MaxConns pgx, сеть WSL2), одна подтверждена (upstream keepalive в nginx).
- Одно подтверждённое улучшение: upstream keepalive в nginx, потолок поднят с 395 до 711 RPS (+80 процентов), доля ошибок снижена с 40.5 до 0 процентов.
- Второе улучшение (бонус): 1 крупная реплика вместо 4 мелких снижает хвосты latency в 3.6 раза при том же RPS.
- Исходные данные в evidence/track1/ (series-a, series-a-high, series-b, probe-800, k6-baseline).
- Два графика: graphs.png (общий) и keepalive-improvement.png (эффект оптимизации LB).
Ограничения и следующие шаги
Что выдерживает:
- Отказ одной API-реплики (любой из двух) при RATE до 400 RPS.
- Graceful drain с сохранением in-flight запросов.
- Rolling update без простоя.
- Перезапуск всего стека с сохранением данных и сессий.
- RATE=800 после включения upstream keepalive в nginx.
Что не выдерживает:
- Отказ узла. Всё работает на одном хосте, потеря хоста = потеря системы. Postgres и Redis без репликации, LB без резерва.
- RATE=800 без upstream keepalive в nginx: 40.5 процента ошибок (до оптимизации).
- RATE=1200 после оптимизации: 4.13 процента ошибок, деградация.
Не реализовано в этой работе:
- PgBouncer. Проверялась гипотеза о pool exhaustion в pgx, гипотеза не подтвердилась (см. трек 1), поэтому PgBouncer не добавлен.
- Вторая реплика Postgres и failover БД. Не входит в обязательный минимум, отмечено как SPOF в ограничениях.
- HTTPS. По контракту требуется только с ЛР7, здесь HTTP для локального стенда.
- Полноценная распределённая нагрузка. k6 на одной машине со стеком измеряет не только стек, но и клиент.
Учебные упрощения:
- БД и хранилище сессий живут в одном экземпляре, оба на том же хосте, что и API. Для уровня 3 достаточно, для продакшена недостаточно.
- Миграции выполняются одноразовым сервисом migrate, но без отдельных rollback-сценариев. Если миграция падает, стек не поднимается.
Подтверждённые улучшения (сводка):
- Graceful drain снизил долю обрывов in-flight запросов при остановке реплики. docker stop даёт серверу корректно завершиться с exit 0.
- Изоляция миграций в отдельный процесс сняла гонку за goose lock при старте нескольких реплик одновременно.
- X-Instance-Id позволяет на защите и в тестах однозначно сопоставить ответ конкретной реплике, без чтения логов.
- Upstream keepalive в nginx: потолок с 395 до 711 RPS, ошибки с 40.5 до 0 процентов при RATE=800.
- 1 крупная реплика вместо 4 мелких: max latency x3.6 ниже при том же RPS.
Оставшиеся гипотезы (не проверены из-за ограничений стенда):
- Ограничения k6 на одном физическом хосте. При VU до 4800 k6 сам становится источником нагрузки на CPU хоста.
- Накладные расходы nginx при проксировании. В метриках не выделяются: nginx держит около 10 процентов CPU на всём диапазоне.
Следующий шаг для полной картины: вынести нагрузочный генератор на отдельный физический хост, повторить probe RATE=1200. Если RPS начнёт расти - узкое место в клиентской части или сетевом стеке Windows. Если нет - в самом стеке, и дальше копать в сторону оптимизации Postgres (увеличение max_connections, PgBouncer, или репликация на чтение).

