Что должен уметь Senior }

Применяет алгоритмическое мышление к нагрузочному тестированию: статистические алгоритмы для анализа распределения времени отклика, алгоритмы генерации нагрузки для реалистичной симуляции трафика, алгоритмы обнаружения узких мест через корреляцию метрик. Проектирует эффективные алгоритмы для расчёта перцентилей в реальном времени и сравнения с baseline в масштабе.

Проектирует async-архитектуры для нагрузочного тестирования: симуляция виртуальных пользователей с высокой конкурентностью, async-генерация запросов на уровне протокола, неблокирующий сбор метрик реального времени. Менторит команду по async-паттернам для реалистичной генерации нагрузки в масштабе.

Проектирует стандарты качества кода для кодовых баз нагрузочного тестирования: структура скриптов JMeter/Gatling/k6, модульность сценариев нагрузки, автоматизация анализа результатов. Рефакторит сложные тестовые сценарии для сопровождаемости и параметризации. Устанавливает практики ревью для воспроизводимости тестов и точности корреляции метрик.

Обладает глубокой экспертизой в многопоточности для нагрузочного тестирования: проектирует высокоточные конкурентные архитектуры генерации нагрузки, внедряет custom-планирование потоков для реалистичной симуляции поведения пользователей, оптимизирует производительность инструментов нагрузочного тестирования через тюнинг пулов потоков. Менторит команду по конкурентным паттернам для масштабируемого нагрузочного тестирования.

Применяет ООП/SOLID в архитектуре фреймворков нагрузочного тестирования: абстрактные интерфейсы протоколов для мультипротокольной поддержки, strategy pattern для алгоритмов генерации нагрузки, template method для стандартизированных тестовых сценариев. Проектирует расширяемые фреймворки нагрузочного тестирования, поддерживающие множество протоколов и бэкендов анализа.

Выбирает оптимальные структуры данных для нагрузочного тестирования: контейнеры временных рядов для сбора метрик, гистограммные структуры для анализа распределения времени отклика, reservoir sampling для выборки репрезентативных подмножеств данных. Оптимизирует структуры данных результатов тестирования для расчёта перцентилей в реальном времени. Проектирует эффективные модели данных для сравнения с baseline и трендового анализа между запусками тестов.

Разрабатывает performance testing tools на Python/FastAPI: результаты API, dashboard backends, automated reporting. Интегрирует с Locust для distributed load testing.

Проектирует index performance testing: automated index analysis во время load tests, correlation между index changes и latency, A/B testing index strategies.

Проектирует query performance testing: production query replay, parameterized workloads, regression detection. Оптимизирует: connection pool sizing, prepared statement caching.

Проектирует database performance testing: synthetic workload generation, isolation для repeatable tests, production traffic replay. Оптимизирует: connection pools, query parameters, vacuum.

Проектирует tooling strategy: k6 vs Gatling vs Locust выбор по сценарию, custom extensions для protocol support, distributed test orchestration.

Проектирует API performance testing strategy: production traffic modeling, dependency isolation (service virtualization), soak testing для memory leaks. Определяет API performance SLA.

Проектирует network performance testing: bandwidth testing, latency measurement, packet loss simulation (tc/netem). Анализирует network impact на application performance. Тестирует CDN effectiveness.

Проектирует AWS performance infrastructure: auto-scaling generator fleet, cross-region testing, AWS performance services (X-Ray, CloudWatch Synthetics). Cost optimization.

Проектирует containerized performance infrastructure: distributed load generators, dynamic scaling test agents, isolated test environments. Оптимизирует container overhead.

Проектирует K8s-based performance infrastructure: distributed k6 operators, auto-scaling test agents, namespace isolation. Анализирует K8s overhead на test results.

Проектирует CI performance pipeline: multi-stage testing (smoke → load → soak), automated regression detection, performance gate enforcement.

Проектирует load testing program: production traffic modeling, capacity planning tests, breakpoint testing. Реализует distributed load generation, correlation analysis.

Проектирует performance test pyramid: unit benchmarks для hotspots, API load tests для service level, distributed tests для system level. Балансирует coverage и execution time.

Проектирует performance test data strategy: production-scale data generation, data masking для compliance, automated provisioning. Оптимизирует data setup time.

Проектирует performance test infrastructure: production-like environments, ephemeral provisioning, automated setup/teardown. Анализирует environment impact на results.

Проектирует тестовую стратегию с Chaos Engineering. Внедряет automated testing на всех уровнях. Оптимизирует тестовую пирамиду. Менторит команду.

Проектирует E2E performance strategy: production-like scenarios, dependency management, data consistency under load. Реализует synthetic monitoring для production.

Максимизирует продуктивность: генерация distributed test configs, Terraform для test infra, custom metrics collectors. AI для routine, engineer для test design.

Определяет performance metrics framework: standard instrumentation, custom metrics for bottleneck detection, derived metrics для analysis. Реализует automated anomaly detection.

Проектирует performance logging architecture: high-resolution timing data, distributed trace correlation, sampling strategies для high-load logging.

Проектирует сквозную APM-стратегию для пайплайнов нагрузочного тестирования. Внедряет распределённую трассировку для выявления узких мест на границах сервисов. Определяет фреймворки SLI/SLO для производительности и ведёт аналитические ревью по итогам тестов.

Проектирует log-based performance analysis: structured performance logs, automated anomaly detection в логах, correlation с APM data. Оптимизирует log pipeline throughput.

Проектирует performance tracing: distributed trace analysis pipeline, automated bottleneck detection, trace-based capacity analysis. Оптимизирует OTel overhead.

Проектирует performance metrics platform: real-time load test monitoring, historical comparison dashboards, automated regression detection. Оптимизирует high-cardinality metrics.

Проводит architecture review: test infrastructure design, distributed load generation, result analysis approach. Ревьюит capacity models.

Определяет Git strategy для performance: test script versioning, baseline management, CI integration. Настраивает branch protection для production test configs.

Проектирует benchmarking framework: automated benchmark execution, statistical analysis (confidence intervals, outlier detection), regression detection. Custom benchmarks.

Проектирует CPU profiling strategy: continuous profiling (Pyroscope/Parca), automated regression detection, off-CPU analysis. Интегрирует profiling в performance testing pipeline.

Проектирует DB performance testing program: production traffic replay, A/B testing configurations, capacity modeling. Интегрирует DB monitoring с application performance.

Проектирует I/O performance testing: storage benchmark suites, network latency simulation (tc/netem), I/O pattern analysis. Оптимизирует: connection pooling, async I/O, batching.

Проектирует latency optimization program: budget per service chain, tail latency analysis, automated regression detection. Реализует latency SLO monitoring.

Проектирует memory performance testing: soak tests для leak detection, GC tuning validation, memory pressure testing. Автоматизирует leak detection в CI.

Глубоко владеет Network Profiling. Проектирует решения для production-систем. Оптимизирует и масштабирует. Менторит команду.

Проектирует performance budget framework: hierarchical budgets (system → service → endpoint), automated enforcement в CI, trend analysis для early warning.

Проектирует комплексные стратегии оптимизации ресурсов для production-систем на основе результатов нагрузочного тестирования. Внедряет FinOps-практики для снижения облачных затрат при соблюдении SLA. Менторит инженеров по профилированию ресурсов и планированию мощностей.

Проектирует throughput testing: capacity benchmarking, scalability testing (linear vs sublinear), cost-per-transaction analysis. Моделирует throughput growth.