SKILL.md
locustloadtesting
Locust simula múltiples usuarios concurrentes enviando solicitudes de verificación KYC. Las pruebas de carga validan que el sistema cumple el SLO de 8 segundos p95 bajo carga sostenida y descubren cuellos de botella antes de producción.
When to use
Ejecutar en staging antes de cada release que afecte al pipeline KYC o a la infraestructura. También ejecutar pruebas de capacidad para determinar el número óptimo de workers GPU.
Instructions
- Instalar:
pip install locust - Crear
load_tests/locustfile.py:
``python from locust import HttpUser, task, between import base64, os SAMPLESELFIE = base64.b64encode(open("tests/fixtures/sampleselfie.jpg", "rb").read()).decode() SAMPLEDOC = base64.b64encode(open("tests/fixtures/samplepassport.jpg", "rb").read()).decode() class KYCUser(HttpUser): waittime = between(1, 3) @task def verifyidentity(self): response = self.client.post("/v1/verify", json={ "selfieb64": SAMPLESELFIE, "documentb64": SAMPLEDOC, "documenttype": "passport", }, headers={"Authorization": f"Bearer {os.environ['TESTJWT']}"}) assert response.elapsed.totalseconds() < 8, f"SLO violated: {response.elapsed.totalseconds()}s" ``
- Ejecutar:
locust -f load_tests/locustfile.py --host=https://staging.kyc.company.com --users=50 --spawn-rate=5 --run-time=5m --headless - Targets de SLO a validar: p50 < 4s, p95 < 8s, p99 < 15s, error_rate < 0.1%.
- Guardar el HTML report:
--html=load-test-report.htmly adjuntarlo al release. - Si p95 > 8s: escalar workers GPU, optimizar batching o revisar los agentes con mayor latencia (ver Jaeger traces).
Notes
- Las pruebas de carga deben ejecutarse con imágenes representativas de producción (resolución, formato, calidad).
- Simular también el escenario de liveness activo (challenge-response) que tiene mayor latencia que el pasivo.
- Un test de 50 usuarios concurrentes durante 5 minutos es un buen punto de partida — ajustar según el volumen esperado en producción.