最近有粉丝做性能测试，不停地来问我问题，感觉他连很基本的概念都不清楚，就开始轰轰烈烈的干起来了，出了问题，就指望我手把手来解决。
“磨刀不误砍柴工”，我们搞清楚了性能测试的技巧，测试起来就会顺畅很多。
确认需求
确定性能需求和性能测试方案、需要确定性能测试范围（覆盖哪些场景）、性能测试策略、并发用户数和加压方式。
时间、人员、任务的分配安排，一般在总体测试计划中会预留性能测试的时间。性能测试方案是开展性能测试前的核心内容，决定着性能测试如何开展的指标标准。
其主要包括性能需求调研、性能测试范围、性能测试策略、并发用户数和加压方式、性能测试计划、用例等。其中性能测试方案中最重要的部分是计算并发用户数。
在性能测试有个核心内容也是在谈性能测试时绕不过去的问题，就是并发用户数的计算。目前做性能测试采用的比较多的并发用户数的评估策略是80-20法则。
通过与项目团队（含客户、产品）评估出系统高峰期和高峰时段，得到该高峰时段的用户数量。
假设本电商系统高峰时段为双十一上午10点为高峰期（做秒杀/团购活动）的用户数量是10W用户量，高峰时段为15分钟。那么我们可以通过20-80法则来计算并发用户数，即80%的用户会在20%的时间内完成交易，计算结果为：(10W80%)/(15分钟60秒20%)=80000人/180秒=444.44人。
因为公司产品不只是为了满足当前的性能需求，还要能够满足未来3年的性能需求，而公司业务是增长的（不增长会被打死的），预计增长为20%（领导说了算，他开心就好），那么3年之后的并发用户数为：444.44人 * 1.2 * 1.2 * 1.2 = 768人 ，则得到每秒并发用户数768人。
由上可知，我们在线程组中设计的线程数为768，Ramp-up值为1，持续时间为10分钟（通用标准）。
脚本录制
录制性能测试脚本，增强脚本使性能测试脚本尽可能真实接近性能测试的实际情况（参数化、关联、定时器、集合点、断言）。
参数化
- csv数据文件设置
- 用户变量和用户参数
- 函数助手
关联
前面响应数据的提取：在JMeter通过在前面请求中添加后置处理器创建正则表达式提取器，正则表达式提取器中包含引用名称即参数的名称，可以任意填写。
正则表达式要根据响应来填写，响应在查看结果树中可以获取，在查看结果树中对响应使用RegExpTester模式查看，获取到要关联的数据及左右边界，将要关联的数据使用(.*?)来替代。模板一般为111，匹配数字一般为1后面。
请求数据的关联：把需要关联的请求数据使用${}正则表达式的引用名称即参数替代即可。
断言
响应断言的操作主要包括四种：
- 包含：预期结果应该包在实际结果当中
- 匹配：使用正则表达式进行匹配
- Equals：完全相等（很少用）
- Substring：与包含差不多，但不能使用正则表达式匹配
运行
运行性能场景，收集性能测试结果（聚合报告、每秒活跃线程数、每秒事务响应时间、每秒平均事务数、每秒点记录、吞吐率），分析性能瓶颈（通过图表分析）。
出具性能测试报告
过程描述、图表加文字说明、缺陷分析。
学习技术千万不要孤军奋战，最好是能抱团取暖，这里邀请你进入我们的软件测试学习交流群：【769146372】，备注“入群”， 大家可以一起探讨交流软件测试，共同学习软件测试技术、面试等软件测试方方面面，还会有免费直播课，收获更多测试技巧，我们一起进阶Python自动化测试/测试开发，走向高薪之路。
喜欢软件测试的小伙伴们，如果我的博客对你有帮助、如果你喜欢我的博客内容，请 “点赞” “评论” “收藏” 一 键三连哦！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
