性能测试概述

最新推荐文章于 2024-10-11 15:09:21 发布

棕豆兔＆

最新推荐文章于 2024-10-11 15:09:21 发布

阅读量822

点赞数 17

分类专栏：测试文章标签：压力测试

本文链接：https://blog.csdn.net/m0_60462557/article/details/140890842

版权

测试专栏收录该内容

15 篇文章 0 订阅

订阅专栏

一、什么是性能测试？

性能测试是为了发现系统性能问题或获取系统性能相关指标而进行的测试。

一般在真实环境、特定负载条件下，通过工具模拟实际软件系统的运行及其操作，同时监控性能各项指标，最后对测试结果进行分析来确定系统的性能情况。

常见的性能问题：查询数据时间过长，网速很慢，服务器无响应，查询数据很长时间才显示列表等等。

二、常见性能测试指标

2.1 并发数

并发数，即并发用户数。从业务层面看，并发用户数指的是实际使用系统的用户总数。从后端服务器层面看，指的是web服务器在一段时间内处理浏览器请求而建立的http连接数或生成的处理线程数。

2.2 吞吐量

吞吐量即单位时间内处理的并发数，直接体现软件系统负载承受能力。

吞吐量越高，系统承受的并发越多，性能越好。

吞吐量分类：

1. 按照请求数量：TPS 和 QPS

TPS：每秒处理事务数，用于衡量系统在一定时间内能够处理的事务数。（事务：一个接口可以是一个事务，多个接口也可以是事务，一个流程可以是事务。事务代表一个完整的功能。）

计算公式：总的事务数 / 总的运行时间

举例1：某一系统1分钟处理1000个业务，那么TPS = 1000 / 60 = 16.7

举例2：2022年最高的一天又10万笔交易，预测2023年TPS需要多少合格？认为每笔交易就是一个事务，理论TPS = 100000 / 24*60*60 = 1.2（理想状态），然而实际上订单量会在某段时间内突然增加，并不是平均到每个时间段内，因此

1）没有更详细的数据：根据二八定律（80%的事务在20%的时间内完成）

TPS = 100000 * 0.8 / 24*60*60*0.2 = 4.6

2）如果有详细的数据：5万笔交易在晚上的8~9点完成的

TPS = 50000 / 60*60 = 13.9（实际还要参考往年业务的增长，假设每年业务增长30%，则TPS = 50000 + 50000*0.3 / 60*60 = 18）

QPS：每秒查询率。

若一个事务中只有一个接口且是查询接口，则QPS = TPS。

2. 按网络数据包划分：KB

2.3 响应时间

响应时间指的是应用系统从请求发出开始，到客户端接收到最后一个字节数据所消耗的时间。

对web系统而言，系统响应时间包含前端展现时间和系统响应时间。

前端展现时间：页面渲染时间；

系统响应时间：包含服务器、数据库、通讯网络等响应时间。

并发用户、系统吞吐量、系统响应时间之间的关系：

当并发用户较少时，系统吞吐量底，系统响应时间较短，那么认为系统处于空闲区间。随着系统的并发用户增加，系统吞吐量开始呈线性增长，系统性能进入了线性增长区间。

吞吐量在某个点上达到了饱和点，也称之为拐点。在这之后用户请求不再被立即处理，响应时间随之变长，吞吐量也逐渐降低，系统性能进入了过饱和区间。

系统性能的拐点通常是性能测试的主要目的之一。

2.4 资源利用率

通过查看系统占用的情况分析资源瓶颈。

服务器：CPU、内存、磁盘、网络等。

三、性能测试分类

3.1 基准测试

基准测试(Benchmark Testing)又称单用户测试，主要用于监测被测系统在较低压力下的运行状况并记录相关数据。当性能测试环境确定以后，通常选取业务模型中的重要业务做基准测试，对被测系统施加一定压力，从而获取被测系统在单用户运行情况下的各项性能指标，为多用户并发测试和混合场景测试等提供参考依据。

3.2 并发测试

并发测试(Concurrency Testing)用于评估被测系统的某些特定操作同时发生时的性能表现。

例如，被测系统被多个用户同时登录时的响应能力，或系统的某一功能被多个用户同时操作时的性能表现。通过并发测试，不仅可以获得被测系统在多用户并发操作时的性能指标，还可以发现被测系统在并发条件下可能发生的问题，如内存泄漏、线程锁、资源争用问题。例如，通过模拟多个用户同时访问某一条件数据，或模拟多个用户同时更新数据，可能会发现被测系统的数据库访问错误、写入错误等。

几乎所有的性能测试都会涉及一些并发测试。但并发测试对并发时间要求比较苛刻，通常需借助专门的性能测试工具，采用多线程或多进程的方式来模拟多个虚拟用户的并发性操作。

3.3 负载测试

负载测试(Load Testing)是性能测试的一种测试类型，用于评估被测系统在预期的不同负载下的行为。负载测试关注系统处理不同负载的能力，这些负载可通过控制并发用户或者进程的数量来实现。进行负载测试时，通过对系统不断增加并发访问负载，监测系统性能的变化，直到系统的某项或多项性能指标达到安全临界值，最终确定在满足该安全临界值的性能指标下，系统所能承受的最大负载量。

简而言之，负载测试是通过逐步加载的方式来确定系统的处理能力。负载测试类似于举重运动，通过不断给运动员增加重量，确定运动员在其身体状况保持正常的情况下所能举起的最大重量。

通过负载测试可以获取系统能够达到的峰值指标。

3.4 压力测试

压力测试(Stress Testing)用于评估被测系统在高于预期、高于指定容量负载需求或低于最少需求资源的条件下的行为。

压力测试关注被测系统处理超出预期或特定峰值负载的能力，也可以用于评估系统在资源匮乏时的处理能力，比如在可用的计算能力、带宽和内存资源不足的条件下系统的表现。

进行压力测试时通常采用逐步增加系统负载的方式，使系统某些资源达到饱和甚至失效，从而发现那些只有在高负载条件下才会出现的缺陷，如同步问题、内存泄漏等。通过对被测系统进行压力测试，也能找出被测系统的性能拐点，获得系统所能提供的最的大服务级别（系统所能承受的最大压力），评估系统在峰值负载或超出最大负载情况下的处理能力。

压力测试主要用于性能诊断、性能调优和容量规划等场景。

压力测试和负载测试的区别？

负载测试是在保持性能指标要求的前提下测试系统能够承受的最大负载，而压力测试则是测试系统性能达到极限的状态。

例如，软件系统要求的响应时间为2秒。进行负载测试时发现，当访问量达到1万时，系统响应时间不超过2秒，而当访问量超过1万时，系统响应时间则会超过2秒，那么，在满足系统响应时间指标的前提下，该系统能够承受的最大访问量是1万。进行压力测试时，则可继续增加系统的访问量，并观察系统的性能变化。例如，当系统访问量增加到2万时，发现系统响应时间延迟到5秒，而当访问量增加到3万时，系统则崩溃，无法做出响应。由此可以确定系统能达到的极限访问量是3万。