性能分析之用户数(线程数)/响应时间/TPS的关系

本文探讨了在压力测试中用户数(线程数)、响应时间和TPS之间的关系。通过实例和图表解释了在不同场景下,这些参数如何相互影响。在理想情况下,希望响应时间不快速增加而TPS持续增长,但实际中可能面临复杂的性能场景,需要通过调整执行策略使曲线变得稳定,以便识别和解决系统瓶颈。
摘要由CSDN通过智能技术生成

在考虑压力工具中的用户数(有些工具中称为线程数,本文后续都用“用户数”来说明)、响应时间、TPS三者之间的关系时,想到之前也有人问起过这样的问题,就是他们三者之间的共生的关系到底是什么样呢。

这个公式我想谁都能知道了:

TPS = ( 1 / RT ) * user  (其中,RT单位是秒,user是用户数)

先来画一下最简单的图(假设前提:每个user的事务定义都是一致的。):

 

当有五个用户时,响应时间都稳定保持在0.2s,那这个场景的TPS显然是:

TPS = (1/0.2)*5 = 25

这个看似简单的公式,在实际的场景中却是会出现千奇百怪的结果。因为大部分的场景都不会如此规整,例如:

这种情况下怎么计算TPS呢:

TPS = 2 + 4 + 6 + 4 + 1 = 17

显然响应时间也是变化较大的,可能每个用户的每个事务的响应时间都是不一样的。

在真实的场景中,这样的情况是必然会出现的ÿ

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值