性能测试需求分析 业务PV量，响应时间、QPS、TPS

一、 性能测试需求分析


 


1.1      性能测试需求内容


性能测试需求应包括以下内容：


a)    测试场景及用例，用例访问URL；


b)   目标接口方法的入参、出参；


c)    外部依赖的服务细节；


d)  关键数据: 数据量、高峰业务PV量


e)  预期性能指标：响应时间、QPS、TPS等


 


   性能测试需求模板表格参考如下：


性能测试(1) ---性能测试需求收集




1.2 预期性能指标1.2.1数据量
测试环境的数据量，应该跟线上环境保持一致，至少要在一个数量级。


  举例有，中文站线上的每秒登录用户数据量平时为20个，特殊情况下，每秒为10万，那么测试环境要保证正常情况下在20个左右，至少是十的数量级，性能测试特殊情况下，要准备十万级的数据量，模拟最高并发用户数据量。


1.2.2高峰业务PV量
     1) 二八法


若80%的访问量集中在20%的时间里，可用此分析方法，其图形就是一个正态分布图，如下。








具体计算公式为：


     tps = (24小时的PV值*80%)/（24*3600*20%）


举例有，假如中文站每日的访问量为500万，其中19:00-23：40，访问量为400万，其余时间段的访问量很平坦，而且其余时间段的总访问量为100万，那么就可以用二八法，其计算公式为 tps = (500万*0.8)/(24*3600*0.2)。


     2）简单峰值法


若在每天的某一时段里有很大的访问量，其他时间相对较少，可以用简单峰值法，其实二八法只是简单峰值法的一个特例。








      具体计算公式为：


        tps =(24小时的PV值)/（峰值时间段中的小时数*3600）


       举例有，假如中文站每日的访问量为500万，其中17:00-24:00这个时间段里面访问量为450万，其他时间段的访问量很平缓，那么，我可以用简单峰值法近似计算，其计算公式为 tps = 500万/（（24-17）*3600）


 3）无峰值法


若24小时里的访问量都是平稳波动的，没有峰值，那么可以采用无峰值计算方法，图形如下。








       具体计算公式为：


         tps= (24小时的PV值)/（24*3600）


        举例有，假如中文站每日的访问量为500万，每小时的访问量都为20万左右，那么，可以用无峰值法来近似计算，其计算公式为 tps = 500万/(24*3600)。   


1.2.3吞吐量
      指软件系统在每单位时间内能处理多少事务/请求/单位数据等，


其与tps的近似计算公式为：（单位为秒）


       tps = 这段时间内的总样本数/（最后一个请求完成的时刻-第一个请求发起的时刻）


可以这样举例，假如，在17：58的0 秒发起第一个请求，在18:02分0秒完成最后一个请求，在这4分钟整的期间，共处理的总的样本数为1000个，那么，可以这样近似计算：


                 tps = 1000/（4*60）


 值得注意的是，因为每个请求之间的空闲值也包含在内了，故tps是有误差的，而且tps是个平均值。


来源： <http://blog.sina.com.cn/s/blog_639aa08501010kkr.html>


 


需求收集之后，我们已经从性能需求文档中提取出了业务性能测试指标，主要包括PV到TPS的转换以及响应时间要求，接下来我们需要进行进一步的需求分析过程。


1了解系统架构、明确压力流向
    例如统一订购平台的系统架构图：








 


理解架构图中各个节点的功能与交互关系，通过系统架构图我们能看到压力的入口，即oop应用。请求从oop发起，从udb取到会员数据后，通过dubbo接口，调用订购服务层提供的各种服务，订购服务层所需数据全部从对应cache中取。因此，主干压力流向可得知：


Oop—>udb


Oop—>dubbo—>订购服务层—>cache


然后结合需求文档，根据具体业务场景，确定各分支压力流向，比如有的业务场景需要从pc2取得用户的服务记录，有的业务场景需要付款则需要去帐户中心取得帐户信息，则新增的压力流向如下：


Oop—>dubbo—>pc2—>cache


Oop—>dubbo—>帐户中心


针对每一个测试场景，都要根据系统架构图进行上述分析，明确了各场景的压力流向，即明确了性能测试过程中的监控对象。


监控对象确定后，需要进一步分析明确测试重点，如上例，我们关注的重点是网站的oop应用，因为平台的udb、pc2，crm的服务订购中心，都有各自做过接口性能测试。或者有的所用应用功能是线上已有的，并没有修改变动，如帐户中心。明确测试重点，将有助于我们进行测试环境相关的测试策略的选择。


2 明确测试环境2.1 服务器数量确定
根据系统架构图，我们得到了项目中所涉及的环境。众所周知，测试环境越接近生产环境，则测试结果越精确。但通常我们会碰到服务器资源紧张，或者所用应用为外部门的外围环境，搭建方法复杂。此时我们面临两种选择，要么使用功能环境，要么mock掉该环境。建议不要选择前者，可以多个压力流向小的应用公用一台性能服务器。


2.2 服务器配置确定
还是一条不变的原则：测试环境软硬件配置尽量与生产环境保持一致。


机器的性能需求：32位or64位；4核or8核；是否要求同一网段


    测试环境软件架构确定（jdk、apache、jboss版本、jvm参数）：与线上环境一致，重点关注jvm参数配置，确保与线上一致。


性能测试关注的主要硬件配置及OS参数如下表：


主机/ip


硬件配置


操作系统及参数调整


10.20.133.165


统一订购层应用服务器


机型


PowerEdge 1950


Linux  2.6.18-92.el5


64位操作系统


CPU


Intel(R) Xeon(R) CPU E5410  @ 2.33GHz * 8


内存


10G


网络


1000M


应用服务器配置检查中常用的linux指令：


查看机型: dmidecode --type 1|grep "Product Name"


 


查看CPU: cat /proc/cpuinfo


 


查看内存：free -mt


 


红框内即为本机内存总量


查看网卡：


1）ifconfig 检查服务器连接的哪块网卡（ethx）


 


上图红框内即为当前活动的网卡


2）ethtool ethx 检查网卡详细信息（ethx为ifconfig检查出来的网卡编号，如上图就为eth0）


 


上图红框内即为当前网卡带宽（双工模式）


查看操作系统：


uanme -a 查看所有信息


uname -o, --operating-system    GNU/Linux


      -r, --kernel-release      2.6.18-128.el5（操作系统内核版本）


      -i, --hardware-platform   x86_64（硬件版本）


      -o, --operating-system    x86_64（操作系统版本）


3      关键业务数据量分析3.1 数据量需求确认
1) 数据量是指的性能测试需要考虑的数据总量和数据类型。


例如在offer数据量为30w的DB中查询和在offer数据量为1000w的DB中查询，性能表现一定是不一样的。我们需要考虑，现阶段的数据量等级和未来发展趋势下的数据量等级。有的时候数据量也是程序分支逻辑，所以这点就必须详细考虑了。


2)    存储分布指的数据源的分布情况，是分布式分布还是单台分布；是search分布还是DB分布，等等。例如offer拆分项目的性能测试就需要综合考虑Oracle单表、Oracle16张表、mysql128张表的使用场景


3)    基本要求：测试数据库数据量要与线上数据量保持一个数量级。


3.2 造数据方法确定
根据数量级的需要，可以采用不同的方法，大致有以下几种：


1） 找DBA帮忙导线上/测试库数据；


2） 用datafactory/sql直接插数据库；（查看datafactory文档）


界面如图，具体使用方法问google


 


3） 用jmeter/LR/ruby等脚本走正常业务流造数据。（查看各脚本录制方法）


3.3划分测试场景、明确测试用例
测试用例的产生需要考虑以下几方面：


1)    测试页面和业务逻辑，也就是业务对应的功能点


注意，性能测试的测试用例也需要专一性，也就是对应单个测试功能点。


因为我们监控的是每个事物的响应时间，功能点需要单一。


2)    压力持续时间


压力持续时间指的是给服务器施加多长时间的压力。


这个时间，我们会结合测试场景，对压力时间做一定的控制。


ü  如果测试的是高峰场景，时间一般最少为1个小时；


ü  如果测试的是稳定性场景，时间一般最少要求8小时；


3)    并发数


不要混淆并发和TPS的关系。


并发数指的是同时有多少用户（线程）在对服务器施加压力，是量化的给服务器的压力；而TPS指的是服务器每秒钟能够处理的事物数，是服务器处理能力的体现。


来源： <http://blog.sina.com.cn/s/blog_639aa08501010kkx.html>

转载于:https://www.cnblogs.com/mxqh2016/p/7808365.html