性能day1

一.性能测试技能：
测试工具，linux系统，代码能力，环境部署，web前端，中间件，数据库，网络协议

二.性能理论：

1.面试题：性能测试的意义

2.什么样的系统需要做性能测试

用户量比较大，pv较高

系统核心模块/接口

业务逻辑/算法比较复杂

促销/活动推广

1. 性能测试场景

新系统，新项目

线上性能问题验证和调优

新技术选型：不同系统，性能技术也不一样。需要多少台机器

日常性能回归：建立一次回归的机制，上线一些功能或模块，造成性能下降

三．性能指标

1. TPS事务，每秒处理的事务数。事务完全是由用户决定的
2. QPS，数据库有一个指标，是查询。用qps来表示，叫法不一样说的是一回事
3. 平均效应时间，客户端-网络设备-中间件(tomcat,apach)-应用程序-DB

(1) 响应时间 = 网络传输总时间+各组件业务处理时间

(2) 平均响应时间 = 在测试过程中，所请求的平均时耗

(3) 面试题：在一个请求过程中，一个请求时间过长，会有那些因素

中间件，发生问题最大的就是应用程序

数据库：数据量越大，性能就会下降。出现概率最大的是应用程序和数据库

1. 局域网内压测，是没有网络带宽的。
2. 关注的最重要两个指标，平均响应时间和tps

四．Top响应时间

Tp90(90%响应时间)：90%的请求耗时都是低于某个时间。这个某个时间是指将响应数据 倒序之后低于90%的值

Tp95

Tp99

通常某些请求的时间会拉高数据，将这些时间刨除掉

五．并发数

1.并发数/虚拟用户数

并发线程/进程数量来模拟用户

1. 成功率：大于100%
2. Pv：页面或接口的访问量
3. Uv：页面/接口的每日唯一访客，日活用户数
4. 吞吐量：网络中的流量，Tps越高，吞吐量越大。上行流量和下行流量的总和
5. 100m带宽指的是下行，上行是30m
6. 公式：响应时间为秒的时候

① Tps = 1/响应时间*并发数

② tps = 并发数/响应时间

③ 在系统达到性能瓶颈之前，tps和并发数成正比关系

④ 响应时间越长，tps越低

八．

八系统监控指标

1. 操作系统，中间件，数据库，应用程序

九．性能测试流程

需求调研：

需求背景

测试范围

业务逻辑/数据流向

系统架构

配置信息（运维）

测试数据量

外部依赖

系统使用

日常业务（产品）

预期指标（研发）

上线时间

测试计划

测试场景：基准值

单交易负载测试：来源于电商业务，单业务或者单接口 p0(重要)

混合场景测试：整个场景最高的一个性能值，需要多次压测才能得到 p0(重要)

高可用性测试：主从结构

异常测试场景：网络延迟，丢包，弱网

稳定性场景：要测一个长期的时间 例如24/48/64小时。最少8小时 p0(重要)

环境搭建

测试机器配置尽量要和线上保持一致

系统版本一致

环境部署最小单元

应用，中间件，数据库一致

数据准备

业务接口：通过调用接口造数据，最好使用业务接口造数据

存储过程：写sql造数据，速度比较快。业务关系比较复杂

脚本导入：写脚本调用数据库造数据，适合做数据逻辑比较复杂的

数据量级：  测试数据

基础数据(活跃数量，用数据把表撑起来，用一下部分造数据)

测试脚本压测执行

协议

参数化

检查点

关联

分布式执行：部署多台

监控：linux，jvm，数据库

数据分析，瓶颈定位

调优回归：

需要团队完成

LR创建录制脚本时设置

 

 设置内置浏览器，

内置浏览器功能-tools-gen-选第一个

 设置循环次数

 创建随机参数

 检查语法错误

 扩展日志设置

 文件参数化

 

模拟并发用户数

 

 选择Unique注意选项