目录

一、性能测试的指标

1、并发量

2、响应时间

3、错误率

4、吞吐量

5、资源使用率

二、压测全流程

三、其他注意点

1、并发和吞吐量的关系

2、并发和线程的关系

四、调优及分布式集群压测（待仔细学习）

1.线程数量超过单机承载能力时的解决方案

2. 如何搭建分布式集群

3. 实施集群压测及监控

4. 处理集群中单台施压机报错的情况

5. 长时间压测（10小时）的注意事项

6. 处理混合场景：用户思考时间及多个服务同时压测

7. 开发压测监控大屏

8. 汇总多个测试报告

9. 监控服务器的 CPU、内存、磁盘

10. 监控 Java 程序、Nginx、MySQL 数据库及 JVM 指标

11. 性能分析及测试结论

12. 区分压测问题与程序问题

13. 内存溢出与性能问题标注

14. 与 BI 项目的关联

四、调优（待仔细学习）

1. 缓存调优

2. 集群调优

3. MQ（消息队列）中间件调优

4. 分布式微服务全链路压测

五、连接数据库进行数据库压测（待仔细学习）

1、步骤

2、性能测试指标

3.性能瓶颈发现方法

一、性能测试的指标

1、并发量

• 定义：描述一个系统所面临的压力，服务器收到多少请求（多少/秒）

• 用的人多，服务器收到请求多，并发量就高。

• 用来描述场景

2、响应时间

• 定义：请求开始到获取结果的时长（毫秒 1000ms=1s）

• 直观反映了用户体验

• 统计方式：平均响应时间 （按响应时间分布 90% 95% 99%）

• 平均响应时间：是对所有请求的响应时间取平均值，代表整体性能的一个平均水平。

  百分位数（90%、95%、99%）：

  • 90%百分位数：表示90%的请求响应时间都小于这个值，也就是说有10%的请求响应时间是比这个值更长的。

  • 95%百分位数：表示95%的请求响应时间都小于这个值，也就是说有5%的请求响应时间比这个值更长。

  • 99%百分位数：表示99%的请求响应时间都小于这个值，也就是说有1%的请求响应时间比这个值更长。

3、错误率

• 定义：高并发海量请求场景，系统出错误的比例。

  错误率=出错请求数量/整体请求数量

4、吞吐量

• 定义：服务器1秒内处理了多少请求

• 吞吐量和并发量的区别：并发量是服务器收到请求，吞吐量是服务器处理请求

• 细分概念

  • QPS (Queries Per Second)：QPS 指的是每秒能够处理的查询数量，通常用于描述Web服务**或数据库在一定时间内处理请求的能力。

  • TPS (Transactions Per Second)：TPS 指的是每秒能够处理的事务数量，这里的事务通常指的是一系列逻辑上的操作，这些操作可能包含多个查询、插入、更新等。一个事务需要满足ACID属性（原子性、一致性、隔离性、持久性）。

5、资源使用率

• 定义：程序在测压中，服务器资源的占用情况

• 程序运行代码需要占用服务器资源，CPU/内存、磁盘、网络…

这个是网络的指标 不是性能测试的指标：

1、带宽

• 定义：网络吞吐量，系统或网络在单位时间内能够传输的数据量

• 单位：比特每秒（bps）_为单位