¿Cuál es la diferencia entre pruebas de carga, de estrés y de resistencia, y qué medirías?

Las pruebas de carga ejecutan el tráfico esperado para confirmar que el sistema cumple sus objetivos. Las de estrés empujan más allá de la capacidad para encontrar el punto de ruptura y comprobar que degrada con elegancia en vez de desmoronarse. Las de resistencia mantienen una carga moderada durante horas para sacar a la luz fugas y agotamiento de recursos. Mide percentiles de latencia, rendimiento, tasa de error y saturación de CPU, memoria, conexiones y base de datos.

Se diferencian por la intención. Las pruebas de carga responden a si el sistema cumple su objetivo con el tráfico esperado, así que necesito ese objetivo acordado antes de empezar, algo como p95 por debajo de 300 milisegundos con dos mil usuarios concurrentes y una tasa de error inferior a una décima de por ciento. Las de estrés van a propósito más allá para encontrar dónde se rompe y, más importante, cómo. Una degradación elegante con encolado y errores claros es aceptable; la corrupción de datos o una cascada que tumbe a los servicios vecinos no lo es. Las de resistencia mantienen una carga moderada ocho o doce horas, que es la única forma de cazar fugas lentas, pools de conexiones que nunca devuelven, y volúmenes de logs que llenan un disco. Una vez encontré una fuga de memoria que solo aparecía a partir de unas seis horas y que jamás habría salido en una ejecución de treinta minutos. Sobre la medición, reporto percentiles, porque una media esconde todo lo que importa, así que p50, p95 y p99 junto al rendimiento y la tasa de error. Y vigilo la saturación al mismo tiempo, o sea CPU, memoria, uso del pool de conexiones y bloqueos de base de datos, porque el tiempo de respuesta te dice que algo va mal y la saturación te dice qué.