1.性能测试的意义
1.1.现状
互联网行业发展快，用户量大大增加；
业务和系统架构越来越复杂，数据越来越多，用户不仅仅满足于功能的实现，在某些场景下，更 在意系统性能。
1.2.什么是性能测试
通过一定的手段，在多并发下情况下，获取被测系统的各项性能指标，验证被测系统在高并发下 的处理能力、响应能力，稳定性等，能否满足预期。定位性能瓶颈，排查性能隐患，保障系统的 质量，提升用户体验。
2.什么样的系统需要做性能测试
- 用户量大，PV比较高的系统
- 系统核心模块/接口
- 业务逻辑/算法比较复杂
- 促销/活动推广计划
- 新系统，新项目
- 线上性能问题验证和调优
- 新技术选型
- 日常系统性能回归
3.性能测试关键指标
3.1.并发用户数
同时向服务器发送请求的用户数。
其它容易混淆的概念：
注册用户：在系统中注册成功的用户数量，也就是数据库里存储的用户数量
在线用户：同时处于在线状态的用户数量，也就是已经登录成功的用户数量
并发用户：同时向服务器发送请求的用户数量，也就是正在做同一个业务的用户数。
以银行来举例，注册用户就是银行的开卡用户数；在线用户就是进到银行内部的用户数，但是有些用户可 能正在里面休息，不办业务，并不会对银行造成压力，并发用户就是正在办理取款业务的用户数。
注册用户>在线用户>并发用户
3.2.TPS（每秒钟处理的事务数）
TPS：Transaction Per Second，每秒钟处理的事务数。
在服务端接口性能测试中，事务Transaction可以理解成一次接口调用，所以TPS其实就 是服务端每秒钟处理多少次接口调用。如果TPS越高，证明服务端项目的处理能力就越好， 性能就越好。
还是以银行来举例，如果有很多财务人员同时来银行办业务，假设银行每秒能处理1000笔 业务，那就可以说银行业务的TPS=1000，这个数值越大，证明银行单位时间内能办的 业务就越多，性能就越好。
3.3.响应时间
响应时间=网络传输的总时间+各组件业务处理时间
3.3.1平均响应时间
响应时间Response Time，简称RT，指的是服务端处理完一个请求所花费的时间，通常时间单位为毫秒ms。 平均响应时间就是n多个请求响应时间的平均值。 平均响应时间越短，代表性能越好，TPS就越高。 银行办理业务的速度越快，单位时间内处理的业务量越多，因此性能就越好。
3.2.2.TOP响应时间
将所有请求的响应时间先从大到小进行排序，计算指定比例的请求都是小于某个时间。该指标统计 的是大多数请求的耗时。 Tp90（90%响应时间）：90%的请求耗时都低于某个时间 Tp95（95%响应时间）：95%的请求耗时都低于某个时间 Tp99（99%响应时间）：99%的请求耗时都低于某个时间，top响应时间各个工具一般都会自己计算。
同时有平均响应时间和top响应时间，一般情况下以平均响应时间为主，top响应时间最大值和平均响应时间相差较大的时候需要关注top响应时间。
3.4.TPS、响应时间和并发数的关系
还是银行的例子，站在银行的角度来看，随着办业务的人越多，那同一时刻银行的处理业务量就越大，但是银行的处理能力总有 一个上限，当用户量达到某个值后，处理能力就能达到巅峰。此时如果再来更多的用户，银行的处理能力也不会增加了。 在系统达到性能瓶颈之前，TPS和并发数成正比关系，即并发数越高，TPS越高；达到瓶颈后，并发数增加，TPS不会继续增高 （甚至会下降），这个最高的tps出现的点，叫做 拐点 。TPS和平均响应时间成反比关系，即平均响应时间越小，TPS就越高。
响应时间单位为秒的情况下
TPS = 1 / 响应时间 * 并发数
TPS = 并发数 / 响应时间
3.5.其它性能测试指标
成功率：请求的成功率
PV（Page View） ：页面/接口的访问量
UV（Unique Visitor） ：页面/接口的每日唯一访客
吞吐量：网络中上行和下行的流量总和，吞吐量代表网络的流量，TPS越高，吞吐量越大
4.性能监控指标
操作系统级别监控
CPU使用率、内存使用率、网络IO（input/output）、磁盘（read/write/util）
中间件监控
连接数、长短连接、使用内存
应用层监控
线程状态、JVM参数、GC频率、锁
DB层监控
连接数、锁、缓存、内存、SQL效率
5.性能测试流程
- 需求调研
- 测试计划
- 环境搭建
- 数据准备
- 脚本编写
- 压测执行
- 调优回归
- 测试报告
6.性能测试工具
- Loadrunner（功能强大、重量级、商业软件）
- Jmeter（小巧灵活、轻量级、开源）
- locust（Python开源框架）
- Ngrinder（ 开源压测平台）
下一篇将主要介绍下性能测试流程。
