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:

 

 

 

 

 

posted @ 2019-07-03 11:44  板栗+  阅读(2830)  评论(0编辑  收藏  举报