性能测试指标

记录下性能测试常用的几个指标，性能测试其实就是检查各项指标是否符合要求。

性能测试核心指标：

1. 吞吐量
2. 响应时间（Rsponse Time）
3. 并发处理能力
4. 资源占用能力

测试中的时间占比

• 40% ----- 性能测试分析
• 30% ----- 测试执行
• 30% ----- 测试结果分析

全链路监控：只要和系统相关的全部需要监控到

一、吞吐量

单位时间内，系统能够处理多少请求，吞吐量代表网络的流量，TPS越高，吞吐量越大，还包含了数据的吞吐量。

一般单位为：秒，每秒处理的请求量

注意：我们看到的jmeter聚合报告一般如下图，下表中的吞吐量实际是我们文中说的TPS或者QPS。如果要计算吞吐量的话应该是接收+发送网络流量总和。

 性能测试的时候关注吞吐量和测试环境网络带宽之间的关系，如果吞吐量接近或者等于测试环境带宽极限，那么很可能存在网络瓶颈。

1、TPS

TPS的全称是Transaction Per Second，即每秒处理的事务数，那什么是事务呢？如：用户操作伴随着数据的变更，【下单---->支付——一个请求会有多个操作】；如：11.11用淘宝下单，产生订单数据【40W订单/每秒】

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。

举个电商的例子：

　　1）假设要测试“下单”，那么“下单”业务就可看做是一个事务；

　　2）假设需要测试“添加购物车+下单”整体业务，那么“添加购物车”和“下单”这2个业务就组成了一个事务，此时TPS就是每秒处理“添加购物车+下单”这个一整个事务的数量。

响应时间单位为秒的情况下，

TPS = 1/响应时间*并发数

1. 一般情况下采用二八原则去计算，80%的交易发生在20%的时间去处理；如：一天10000笔，TPS = （10000* 80%=8000笔）/（24*60*60*20%）
2. 10000笔交易，上午2小时，下午2个小时，TPS = 10000*/4*60*60

在系统达到瓶颈之前，TPS和并发数成正比关系。

2、QPS

QPS = 并发数/响应时间

QPS的全称叫Request Per Second，字面意思比较好理解，就是每秒处理的请求数（如：用户查询数据【打开某个页面】，打开淘宝某个商品页面的时候），并没有去做数据的修改，只是把数据加载到页面中。

如果是测试单接口的情况下，TPS=QPS，例如上面电商例子中的第1）个场景。

二、TOP响应时间（Rsponse Time）

• 用户的角度：快不快
• 一个请求从用户发起，到收到服务器响应，所需的时间

1. 页面：打开响应的时间
2. 具体单个资源的响应时间

一个请求的响应时间由以下几部分时间构成。响应时间=网络传输的总时间+各组件业务处理时间。

TOP响应时间是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。用Jmeter进行测试通常看到下面几个数据：

　　Top90（90%响应时间）：90%的请求耗时都低于某个响应时间

　　Top95（95%响应时间）：95%的请求耗时都低于某个响应时间

　　Top99（99%响应时间）：99%的请求耗时都低于某个响应时间

三、平均响应时间

平均响应时间=所有请求的平均耗时=ART（Average Response Time）

四、并发数/虚拟用户数（并发处理能力）

压测工具中设置的并发线程/进程数量，海量用户使用系统，在系统不崩溃情况下，能够支撑多少人同时使用：

——可以理解为：每秒/毫秒可以处理多少并发

• 同时在线：session会话信息（是否可支撑多人同时在线）、服务器储存（多人同时在线的信息需要服务器储存，服务器内存是否可支撑）
• 同时操作：业界主流的定义，以秒为单位（极致情况：毫秒ms为单位）；如：双11 支付宝排队付款，暂时不能付款

与吞吐量的区别：

吞吐量：1w个请求，10:00发送，10:03处理完毕，就是可以的

并发量：一直在高并发，系统是不是扛得住；如：每秒发起1w请求，持续10秒，系统是不是没有问题

五、资源占用率

——概念理解

2个App,功能都一样，都是用来做“图片美颜”，我们来判断下，哪个App的性能好：

• 第一个App:

1. 能够运行在5年前的手机上，2GB运行内存
2. 需要内存资源少

• 第二个App:

1. 只能够运行在3年前的手机上，4GB运行内存
2. 需要内存资源更多

我们可以看出，第一个App所需要的运行内存更小，占用的内存资源更少，而第二个App需要的运行内存是更大的，以及内存资源更多，只能在三年的手机运行，5年前的是运行不了，所以是第一个App相对于与第二个App来说，第一个App性能是更加好的。

性能好一些，对我们实际有什么帮助呢？

假设我们在开发一款应用：

• 1000使用用户

1. 500w用户-----------3年内的新手机（运行内存4G）
2. 500w用户-----------5年前的老手机（运行内存2G）

如我们开发时没有考虑到老手机运行内存的问题，只可以运行在新手机上，那就意味着50%，500w的老手机的用户是正常使用不了的，如我们所设计时考虑到了，性能足够的好，新、老手机都可使用，那就是100%的用户是都可以正常使用的。

——成本的角度

最小成本【最少资源】支撑最多的吞吐量、支撑最小的响应时间

1. CPU：作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。
2. 内存：是计算机的重要部件，也称内存储器和主存储器，它用于暂时存放CPU中的运算数据，以及与硬盘等外部存储器交换的数据。它是外存与CPU进行沟通的桥梁，计算机中所有程序的运行都在内存中进行，内存性能的强弱影响计算机整体发挥的水平。只要计算机开始运行，操作系统就会把需要运算的数据从内存调到CPU中进行运算，当运算完成，CPU将结果传送出来。
3. 网络
4. 磁盘：利用磁记录技术存储数据的存储器。

举例：

同时处理100个请求、需要占用多少CPU、内存、网络、磁盘：

——请求一个接口文档说明

1. 加载一系列的图片、html、js、css等等内容----加载125KB的内容----内容压缩
2. 服务器将数据传输到浏览器客户端

• 服务器网络带宽资源1M，就是每秒能够传输125KB的数据

   加大服务器的带宽

 3. 当前这个系统部署在服务器

  (1) 占用网络带宽太多了

（2）导致 每一秒 只能返回一个请求所需要的数据

 

 如若我们的官网中需加载的内容过多，而我们的服务器带宽只有1M，每秒只可以传输125KB，这时就会出现卡顿，那么我们想要解决，就需要加大带宽，会是压缩网页内缩了

为什么1M的带宽，只可以传输125kb呢？

——如我们家里的宽带100M宽带，理论上的下载速度是12.5M，究竟是为什么呢？因为运行商的所说的单位是bit，而我们经常说的是G、M是Byte。

8位=1字节，“位”是数据存储的最小单位。字节也叫Byte，1Byte=8bit（位），1024Byte（字节）=1KB，1024KB=1MB，1024MB=1GB，1024GB=1TB。

服务器带宽是1M

——访问官网

• 1人需要的时间：1S
• 100人需要的时间：100S

这就是资源占用率，处理一个请求，需要占用多少资源

优化：

• 网页中东西太多了，可以减少

1. 图片可压缩一下，清晰度降低一点
2. 有些可不马上加载处理的，可稍后在下载出来

六、成功率

请求的成功率，一般执行压测后我们会关注请求或者事务的成功率是多少，一般公司可能要求成功率在99.99%以上。

七、PV/UV

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。

PV/UV的概念好像也是常在电商中出现，一般可能是在性能需求分析的时候提到，比如某页面每日的PV是多少，UV是多少。

八、集合点

集合点不是指标，是性能测试中的一个概念。

 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，等左右用户都到达后，再同时继续执行下一步操作。

根据业务来选择是否需要集合点，如果业务场景是瞬间高并发的，如抢购、秒杀等，需要加集合点。

增加了集合点之后，对服务器来说，会产生一种瞬间高并发，模拟秒杀等场景；同时也会降低服务器平均压力。

 

---