初识性能测试

性能测试的意义：

1、随着社会的发展，科技的进步，信息技术的飞速发展，计算机的普及，软件产品已经应用到社会的各个行业领域，加上网络的发展，信息的共享性等，人们对计算机及网络的依赖性越来越大。软件产品的使用者对高质量、高效率的工作方式的要求越来越高，因此对于工作和生活中息息相关的IT系统服务，他们也要求提供更快、更高效的服务品质。

2、网络的发展，让人们对网络的依赖越来越大，对外界新事物的好奇心等也越来越强烈，成千上万的用户在庞大的网络系统中游转。网络时代的到来，也给提供服务的系统带来严重的系统负荷，这就是系统网络发展中最明显的特征："高并发"、"数据集中"。

3、数据越来越集中于后台系统服务器中，众多系统同时为成千上万的网络用户提供服务，如银行、电信、社交网站等公司的软件系统随处可见，影响着我们生活的方方面面。随着各个企业的业务发展、用户访问量的增加，其服务系统承载的负荷也会随着增加，系统性能的好坏将严重影响企业的利益，因此对于IT服务系统的性能测试与优化也越来越受业界的重视。

什么是性能测试
通过一定的手段，在多并发情况下获取被测系统各项性能指标，验证被测系统在高并发下的的处理能力、响应能力，稳定性等，否满足预期。定位性能瓶颈，排查性能隐患，保障系统的质量，提升用户体验。

什么样的系统需要做性能测试

a 用户量大， PV 比较高的系统
b 系统核心模块 /接口
c 业务逻辑 /算法比较复杂
d 促销 /活动推广计划
e 新系统，新项目
f 线上性能问题验证和调优
g 新技术选型
h 性能容量评估和规划日常
i 日常系统性能回归

性能测试指标：

TPS/QPS=并发数/响应时间

Transaction Per Second 每秒处理的事务数

事务：在性能测试领域里，衡量一个系统的好坏主要看的是单位时间内，系统可以处理多少业务量。各个系统的业务各不相同，为了方便使用统一指标来衡量业务的性能。用事务来代表操业务操作，一个事务可以代表一个业务，也可以代表多个业务操作。事务是用户定义的，想测试什么业务的性能，就把改业务加到事务中。

一个请求的响应时间都包含哪些时间？

 

 

平均响应时间

响应时间 =网络传输的总时间 +各组件业务处理时间

平均响应时间：在测试过程中，所有请求的平均耗时

TOP响应时间

将所有请求的响应时间先从大到小进行排序，计算指定比例的请求都是小于某个时间。改指标统计的是大多数请求的耗时。

Tp90（90%响应时间）：90%的请求耗时都低于某个时间

Tp95（95%响应时间）：95%的请求耗时都低于某个时间

Tp99（99%响应时间）：99%的请求耗时都低于某个时间

并发数/虚拟用户（Vuser）：压测工具中设置的并发线程/进程数量

成功率：请求的成功率

PV（Page View）：页面、接口的访问量

UV（Unique Visitor）：页面/接口的每日唯一访客

操作系统级别监控：CPU使用率、内存使用率、网络IO（input/output）、磁盘（read/write/util）

中间件监控：连接数、长短连接、使用内存

应用层监控：线程状态、JVM参数、GC频率、锁

DB层监控：连接数、锁、缓存、内存、SQL效率

性能测试流程

需求调研>测试计划>环境搭建>数据准备>脚本编写>压测执行>调优回归>测试报告

需求调研：项目背景，测试范围，业务逻辑&数据流向，系统架构，配置信息，测试数据量（量级要一致），外部依赖， 系统使用场景，业务比例，日常业务量，预期指标，上线时间

测试计划：项目描述，业务模型级性能指标，测试环境说明，测试资源，测试方法以及场景设计原则（基准测试，单交易负载测试，混合场景测试，异常场景测试，稳定性测试，其他特殊场景），测试进度安排及测试准则

环境搭建：测试机器硬件配置尽量和线上一致，系统版本与线上一致，测试环境部署线上最小单元模块，应用、中间件、数据库配置要与线上一致，其他特殊配置

数据构造：测试数据分为两部分：基础数据和参数化数据，通常采用以下三种方法进行构造：1.业务接口（适合数据表关系复杂，优点：数据完整性比较好）2.存储过程（适合表数量少，简单，优点：速度最快）3.脚本导入（适合数据逻辑复杂，优点：自由度比较高）

脚本编写：选择工具（Loadrunner，Jmeter，Locust等），选择协议（Http，TCP，RPC），参数化，关联，检查点，事物判断

压测执行：分布式执行，监控（Linux，Jvm，数据库），收集测试结果，数据分析，瓶颈定位

调优回归：性能调优需要整个团队完成，反复尝试，回归验证，监控工具，全链路排查，日志分析，模块隔离

测试报告：概述，测试环境，结果与分析，调优说明，项目时间表，结论，建议

性能测试工具：

Loadrunner（功能强大，重量级，商业软件）

Jmeter（小巧灵活、轻量级、开源）

Locust（Python开源框架）

Ngrinder（开源压测平台）

现状和趋势：

想能自动化、平台话

测试工具多样性、开源、二次开发

在高并发下验证功能正确性

线上线下相结合，线上发现问题，线下调优