·性能分析：
·对于性能分析，大家需要了解以下信息：
·分析是建立在正确的数据的基础之上的。
·分析是建立在对于被测系统的足够了解的基础之上的。
·分析是有方法、有技巧的。
·分析模型
·分析的原则。
·分析的技巧（原则）：
·一般来说，分析、监控、定位这三个操作往往是迭代进行的。
通常来说，分析、监控、定位的层级迭代遵循下列原则：
·从简单到复杂（技术）
·从高效到低效（成本）
按照以上原则，我们一般的做法是：
·从硬件到软件：
·从配置到应用：
·从SQL到代码：
·分析模型：
在业界，性能分析常用的有两个：
·理发师模型：该模型是从队列论的角度来阐述系统性能问题产生的根本原因--等待。
理发师模型设定：
·理发店有10名理发师，理发师和客人是一一对应，理发时间固定为10分钟。
·理发店有空闲位置30个。
·客人的忍耐上限：20分钟。
要求大家计算以下数据：
A、在理发店的客人的最大数量。
B、工作中的理发师的数量。
C、每一名客人的实际理发时间==理发时间+等待时间。
·场景1：每隔2分钟来一名客人。
A、5
B、5
C、10
·场景2：每隔1分钟来一名客人。
A、10
B、10
C、10
·场景3：每隔30s来一名客人。
A、40
B、10
C、
进店时间 客人编号 理发时间
0 1-10 10+0
5 11-20 10+5
10 21-30 10+10
15 31-40 10+15
20 41-50 10+20
25 51-60 10+25(会离开。第51号客人将于第45分钟离开理发店)
30 61-70 10+20
35 71-80 X直接没有位置，被refuse
40 81-90 10+20
45 91-100 10+25(会离开。第91号客人将于第65分钟离开理发店)
50 101-110 10+20
55 111-120 X直接没有位置，被refuse
·场景4：第一次一次性来10名客人，然后每隔1分钟来一名客人。
A、
B、
C、
·负载模型：
负载模型是一个系统的描述：在线用户数、系统tps、事务响应时间三者之间的变动关系的模型。
根据TPS与在线用户数的相对变动趋势，以及响应时间的变动，我们可以将负载过程分为三个区间：
·轻负载区：
·特征：TPS和在线用户数保持正比关系。
响应时间基本维持不变。
一般来说，是后续负载的参考，并不能作为结论使用。
·重负载区：
一般是通过TPS的拐点来划分。
·特征：TPS不再随着在线用户数的增加而增加（增速放慢，开始平稳波动）
随着负载时间的增加（压力增加or压力不变的情况），响应时间持续上升，且上升速度越来越快。
·负载失效区：
一般是通过TPS的拐点来划分。
·特征：TPS与在线用户数成反比关系。
响应时间的增速非常快，而且一般都比较大。
通常会伴随各种异常错误出现，常见的连接错误有：
·connect timeout
·connect refuse
·connect shutdown
TPS的下降一般都是呈现震荡下跌的趋势。
PS：通常来说，在一个负载场景中，拐点是很难鉴定的，我们往往需要通过多个场景进行对比才能找出拐点的真正所在。一般来说，至少需要三个场景分别坐落在三个不同的负载区间，才能进行对比。
·轻负载区和重负载区的拐点，对应的就是系统的最佳性能点。
重负载区和负载失效区的拐点，对应的就是系统的最大在线用户数（最大有效负载）。
一般来说，压力测试就是从重负载区取点进行。
然后在重负载区和负载失效区，我们都是可以对系统进行相应的监控，找出等待的原因（瓶颈），从而进行调优解决。