1.订票系统常用的场景:
登录
注册
订票
三个业务
2.注册
open_index
into_register
submit_register
3.登录
open_index
submit_login
sign_off
4.订票
open_index
submit_login
into_flight
find_flight
select_flight
pay_flight
sign_off
5.
单交易基准测试
注册、登录、订票分别进行测试
单交易负载测试
注册、登录、订票分别进行测试
单交易压力测试
注册、登录、订票分别进行测试
综合基准测试
注册、登录、订票一起综合
综合稳定性测试
注册、登录、订票一起综合
6.
单交易基准测试
注册支持1小时5000用户注册,并发数不少于30,响应时间不超过5秒,业务成功率100%,服务器CPU及内存资源使用率不超过80%
登录支持1小时1万用户登录,并发数不少于100,服务器响应时间不超过5秒,业务成功率100%,服务器CPU及内存资源使用率不超过80%
峰值时,订票支持1小时2000用户订票,并发数不少于20,服务器响应时间不超过5秒,业务成功率100%,服务器CPU及内存资源使用率不超过80%
单交易负载测试
注册功能验证30,50,80个并发时,性能表现
登录功能验证100,120,150个并发时,性能表现
订票功能验证20,50,80个并发时,性能表现
单交易压力测试
注册功能验证在30(可根据实际业务推算并发,在此并发情况下持续运行)个并发情况下,1小时,4小时,8个小时,性能表现
登录功能验证在100个并发情况下,1小时,4小时,8个小时,性能表现
订票功能验证在20个并发情况下,1小时,4小时,8个小时,性能表现
综合基准测试
根据实际业务情况分解,各个业务占比,设计综合场景的指标:
例如统计:某一段时间内,登录多少,注册多少,订票多少,各个占比多少,设计综合场景
假如,通过历史数据分析,在2017年4月15号上午11点21分到12点21分,业务量达到峰值,且注册占比23%,登录占比38%,订票占比39%
系统扩容后,期望目标是现有业务的两倍,占比不变,业务量加大
综合稳定性测试
在基准测试的基础上,持续运行相对较长的时间周期,验证服务器的稳定性(如:100个并发持续运行8个小时,验证服务器的持续服务能力)
7.并发测试:瞬时并发,并发上来了,可以,测试退出
持续时间:设置持续时间后,迭代次数是不生效的,迭代次数的优先级是低于持续时间的
8.以登录基准测试为例:
单交易基准测试
登录支持1小时1万用户登录,并发数不少于100,服务器响应时间不超过5秒,业务成功率100%,服务器CPU及内存资源使用率不超过80%
需求更改为(方便模拟测试):登录支持10分钟300用户登录,并发数不少于20,服务器响应时间不超过5秒,业务成功率100%,服务器CPU及内存资源使用率不超过80%
分成两个业务测试类型:并发测试、业务量测试(交易量)
并发测试:并发数20,系统至少有20个已存在的可用账户
业务量(交易量)测试:10分钟300个用户,系统至少存在300个可用账户,需测试出单次登录消耗时间,从而计算出所需的vuser数量
例如:通过lr统计,单次登录消耗6秒左右(大概统计时间),10分钟为10*60/6=100次,即10分钟单个vuser可以模拟登录100次,则总共需要的vuser个数为300/100=3个vuser
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· .NET Core 中如何实现缓存的预热?
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 【译】Visual Studio 中新的强大生产力特性
· 10年+ .NET Coder 心语 ── 封装的思维:从隐藏、稳定开始理解其本质意义
· 【设计模式】告别冗长if-else语句:使用策略模式优化代码结构