性能--曲线拐点模型分析

 

 分析思路：

1、X轴代表并发用户数，Y轴代表资源利用率、吞吐量、响应时间。X轴与Y轴区域从左往右分别是轻压力区、重压力区、拐点区。

2、随着并发用户数的增加，在轻压力区的响应时间变化不大，比较平缓，进入重压力区后呈现增长的趋势，最后进入拐点区后倾斜率增大，响应时间急剧增加。

3、随着并发用户数的增加，吞吐量增加，进入重压力区后逐步平稳，到达拐点区后急剧下降，说明系统已经达到了处理极限，有点扛不住。资源利用率逐步上升，最后达到饱和状态。

4、随着并发用户数增加，吞吐量与资源利用率增加，说明系统在积极处理，所以响应时间增加得并不明显，处于比较好的状态，但是随着并发用户数的持续增加，压力也在持续加大，吞吐量与资源利用率都达到了饱和，随后吞吐量急剧下降，造成响应时间急剧增长。轻压力区和重压力区的交界点是系统的最佳并发用户数，因为各种资源都利用的充分，响应也很快；而重压力区与拐点区的交界点就是系统的最大并发用户数，因为超过这个点，系统性能将会急剧下降甚至崩溃。

 容量计算

以一网站性能测试为案例：

　　1. 通过分析运营数据，可以知道当前系统每小时处理的PV数

　　2. 通过负载测试，可以知道系统每小时最大处理的PV数

　　即整理得

　　系统每小时PV处理剩余量 = 系统每小时最大处理的PV数 — 系统每小时处理的PV数

　　假设该网站用户负载基本呈线性增长，现有系统用户数为70万，根据运营推广计划，1年内该网站发展用户将达到1000万，即增长了14倍。即整理得：

　　系统每小时PV处理增加量 = 当前系统每小时处理的PV数 * 14 — 当前系统每小时处理的PV数

　　每天系统负载增加率 = 100% / 365 = 2.74 % （备注：此处将未来系统用户数达到1000万的负载定义为 100% ）

　　系统每天PV处理增加量 = 系统每小时PV处理增加量 * 每天系统负载增加率 * 24

　　所以，我们可以知道在正常负载条件下：

　　系统可支持正常运行天数 = 系统每小时PV处理剩余量 * 24 / 系统每天PV处理增加量

　　假设该网站后续部署升级天数已知，这样我们可以知道提前升级的天数：

　　系统可支持正常运行天数 — 部署升级天数

总结如下：