性能基础理论

一、性能测试的意义

现状：互联网行业发展快，用户量大大增加；业务和系统架构越来越复杂，数据越来越多，用户不仅仅满足于功能的实现，在某些场景下，更在意系统性能。

 

二、什么是性能测试

百科解释：https://baike.baidu.com/item/%E6%80%A7%E8%83%BD%E6%B5%8B%E8%AF%95/1916148?fr=aladdin

 

性能测试是通过自动化的测试工具模拟多种正常、峰值以及异常负载条件来对系统的各项性能指标进行测试。负载测试和压力测试都属于性能测试，两者可以结合进行。通过负载测试，确定在各种工作负载下系统的性能，目标是测试当负载逐渐增加时，系统各项性能指标的变化情况。压力测试是通过确定一个系统的瓶颈或者不能接受的性能点，来获得系统能提供的最大服务级别的测试。

 

通过一定的手段，在多并发情况下，获取被测系统的各项性能指标，验证被测系统在高并发下的处理能力、响应能力，稳定性等，能否满足预期。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。

 

三、什么样的系统需要做性能测试

◼ 用户量大，PV比较高的系统

◼ 系统核心模块/接口

◼ 业务逻辑/算法比较复杂

◼ 促销/活动推广计划

 

四、性能测试发生的场景

◼ 新系统，新项目（旧）

◼ 线上性能问题验证和调优

◼ 新技术选型

◼ 性能容量评估和规划

◼ 日常系统性能回归

 

五、性能测试指标

1、TPS

事务：在性能测试领域里，衡量一个系统性能的好坏，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，为了方便衡量业务的性能，需要在测试脚本中添加一对标签，测试工具统计单位时间内，标签的业务量，就可以统计出真实的业务量。

脚本中的标签，就叫做事务。事务是用户定义的，想测试什么业务的性能，就把该业务加到事务中。

（测试“下单” 业务，将下单放到事务标签里，测试“添加购物车-下单” 整体业务将两个接口加在一个事务标签里）

TPS/QPS

Transaction Per Second 每秒处理的事务数

Request Per Second 每秒处理的请求数

2、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=RT（Response Time）

平均响应时间：在测试过程中，所有请求的平均耗时=ART（Average Response Time）

 

3、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。

该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响应时间

Tp95（95%响应时间）：95%的请求耗时都低于某个响应时间

Tp99（99%响应时间）：99%的请求耗时都低于某个响应时间

 

4、其他性能测试指标

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

吞吐量：网络中上行和下行的流量总和，吞吐量代表网络的流量，TPS越高，吞吐量越大

 

TPS、响应时间和并发数的关系

在系统达到性能瓶颈之前，TPS 和 并发数 成正比关系

响应时间单位为秒的情况下

TPS = 1 / 响应时间 * 并发数

TPS = 并发数 / 响应时间

 

集合点

集合点是为了增加瞬间并发压力的一种机制，在脚本中增加一个标记，所有虚拟用户执行到标记处会进行等待，等所有用户都到达后，再同时继续执行下一步操作。

优点：对服务器来说，会产生一种瞬间高并发

缺点：对服务器来说，平均压力会降低

 

什么时候需要加集合点？

根据业务来选择，如果业务场景是瞬间高并发类型的，如抢购、秒杀等，需要加集合点；其他的场景都不需要加，一般加了集合点后，就不使用TPS来衡量系统性能

集合点功能要慎重选择，因为加了集合点后，系统的平均压力会降低 

 

六、性能监控指标

 

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

数据库监控：

连接数、锁、缓存、内存、SQL效率