压测准备和性能瓶颈定位方法

本文主要分享一些压测优化需要做的准备工作以及问题定位的方法，针对压测体现出来的问题可以采取方法可以参照之后的文章

性能压测准备

明确性能目标和场景

确定性能指标

1. 吞吐量（TPS，QPS）
2. 响应时间（Response Time）
3. 并发用户数
4. 错误率

确定业务场景

1. 选择关键的业务流程进行压测
2. 考虑常见的用户行为和高峰时段的负载

准备测试环境

搭建测试环境

1. 确保测试环境与生产环境尽可能一致，包括硬件配置、网络环境、数据库等
2. 配置独立的测试环境，避免影响实际业务

数据准备

1. 准备充足且合理的数据集，以模拟真实的业务场景
2. 保证数据的一致性和完整性

准备压测工具

1. 主流服务端压测工具为 JMeter

做好监控

无监控，不调优

1. 使用 Prometheus + Grafana 构建系统实时监控体系
2. 开启服务的 GC 日志和 OOM日志

-XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintTenuringDistribution -XX:+PrintHeapAtGC -XX:+PrintReferenceGC -XX:+PrintGCApplicationStoppedTime -XX:+PrintSafepointStatistics -XX:PrintSafepointStatisticsCount=1 -Xloggc:/usr/local/src/logs/manager-service-%t.log -XX:+UseGCLogFileRotation -XX:NumberOfGCLogFiles=14 -XX:GCLogFileSize=100M -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/usr/local/src/logs/manager-service/dump 

GC参数说明

#必备

-XX:+PrintGCDetails # 打印GC的详细信息，会打印 youngGC FullGC前后堆【新生代，老年代，永久区】的使用情况以及 GC 时用户态 CPU 耗时及系统 CPU 耗时及 GC 实际经历的时间

-XX:+PrintGCDateStamps 打印CG发生的时间戳，从应用启动开始累计的时间戳

-XX:+PrintGCTimeStamps # 打印从应用启动开始到GC的时间

-XX:+PrintTenuringDistribution -XX:+PrintHeapAtGC -XX:+PrintReferenceGC -XX:+PrintGCApplicationStoppedTime

#可选

-XX:+PrintSafepointStatistics -XX:PrintSafepointStatisticsCount=1

#GC日志输出的文件路径

-Xloggc:/path/to/gc-%t.log

#开启日志文件分割

-XX:+UseGCLogFileRotation

#最多分割几个文件，超过之后从头文件开始写

-XX:NumberOfGCLogFiles=14

#每个文件上限大小，超过就触发分割

-XX:GCLogFileSize=100M

Dump 配置说明

HeapDumpOnOutOfMemoryError # 系统OOM时将堆内存DUMP出来 HeapDumpPath # 系统DUMP文件的路径（需要保证文件夹存在）

瓶颈定位和处理

常见瓶颈

1. 数据库（磁盘IO、CPU）
2. 应用服务器（CPU、内存）
3. 带宽（应用服务器和数据库、应用服务器和客户端）

瓶颈定位

数据库

iostat

iostat 命令 查看 IO 和 CPU 占用 iostat -kx 1

命令结果说明

rrqm/s:IO设备每秒读取请求有多少被merge

wrqm/s:IO设备每秒写入请求有多少被merge

merge r/s:IO设备每秒的发起的读请求次数

w/s:IO设备每秒的写请求次数

rkB/s:每秒读K字节数

wkB/s:每秒写K字节数

avgrq-sz:发送到设备的请求的平均大小,单位是扇区

avgqu-sz:平均请求队列的长度,队列长度越短越好，也是我们观察磁盘性能的核心指标

r_await:每个读请求耗费的平均时间,该时间等于IO设备读操作的时间和在队列中等待的时间

w_await:每个写请求耗费的平均时间,该时间等于IO设备读操作的时间和在队列中等待的时间

await:每个IO请求的处理的平均时间（以毫秒为单位）

svctm:表示平均每次设备I/O操作的服务时间（以毫秒为单位）

%util:在统计时间内所有处理IO时间，除以总共统计时间，表示该设备的繁忙程度；例如，如果统计间隔1秒，该设备有0.5秒在处理IO，而0.5秒闲置，则该设备的%util = 0.5/1 = 50%；一般地，如果该参数是100%表示设备已经接近满负荷运行

结果举例

以下使用 8 核 2000IOPS 的服务器进行压测，CPU 利用率已经接近 100%，而 %util 则很低，说明主要瓶颈在数据库的 CPU 利用率上

top

使用 top 命令，同样可以看到 mysql 的CPU占用率 100%

慢查询日志

方式1：修改数据库并重启(my.cnf)

[mysqld]
slow_query_log = 1
slow_query_log_file = /path/to/your/slow_query.log
long_query_time = 2

方式2：配置全局属性

# 开启慢查询
SET GLOBAL slow_query_log = 'ON';
# 设置慢查询日志路径
SET GLOBAL slow_query_log_file = '/var/log/mysql/mysql-slow.log';
# 设置慢查询阈值时间（s）
SET GLOBAL long_query_time = 1;
# 记录未使用索引的查询
SET GLOBAL log_queries_not_using_indexes = 1;

# 验证配置
SHOW VARIABLES LIKE 'slow_query_log';
SHOW VARIABLES LIKE 'slow_query_log_file';
SHOW VARIABLES LIKE 'long_query_time';
SHOW VARIABLES LIKE 'log_queries_not_using_indexes';

开启后可以在日志路径中看到超过指定耗时的SQL Query_Time：SQL耗时（秒） Rows_sent：查询结果行数 Rows_examined：扫描行数

应用服务器

Arthas

profiler

# 启动 profiler
profiler start

# 查看当前的profiler 数量
profiler getSamples

profiler stop

1. 默认会生成 .html 的文件到应用目录的 arthas-output 路径下，我们打开 .html 文件可以看到生成的火焰图
2. 火焰图越宽表示占用的资源越多，默认为CPU耗时，所以我们尽可能优先处理比较宽的火焰图
3. .html 使用浏览器打开后可以进行搜索，我们可以搜索我们项目特有的包名，这样优先处理内部代码的优化
4. 火焰图是按照调用链路展示的，可能部分通用方法在每块火焰图中占比均不高，但是调用地方比较多就会导致整体耗时比较长，针对这些公共方法进行优化往往可以产生事半功倍的效果
5. 火焰图阅读的具体说明可以参考这篇文档 Async-Profiler - Java 火焰图性能分析工具 | 未读代码

trace

trace 可以用来打印单个接口的耗时，可以分别在低负载和高负载时调用，确认不同场景下哪些方法耗时较多

例如图中的方法在高负载时可能调用三方接口发生 HTTP 调用过长

thread

thread -n 5 -i 1000 可以打印当前最繁忙的5个线程(1000 ms 的统计维度）

jps

jps -l 可以查看当前的java线程信息， -l 表示展示详情（带完整路径）

jstat

jstat -gc jstat -gc 可以实时查看当前 GC 的情况，将 jps 中的线程 ID 带入即可查看对应服务的 GC 情况

top

top -H -p 也可以查看指定进程中的线程CPU占用 top -H -p 5897

jstack

jstack -l 可以查看 实时的线程栈信息 jstack -l 5897 可以查看该服务所有的线程信息

其中的 nid 为线程的 16 进制 ID，linux 中可以通过 printf '%x\n' 将 10 进制转换为 16 进制

printf '%x\n' 29322 728a

得到转换后的 线程之后即可通过 jstack 查找对应线程当前执行的操作

jstack -l 5897 | grep -A 10 728a

带宽

iftop 查看服务器当前带宽使用情况

可以在性能压测时，在服务武器上执行 iftop 命令 确认当前的带宽使用情况

iftop -i eth0 -P
# -P 选项会在iftop 的输出结果中开启端口显示

已知我们服务器见的带宽速率为 10MB/s，我们需要判断是否达到瓶颈还需要知道带宽的上限

测试两个服务器的带宽上限

安装iperf3

sudo yum install iperf3 

服务器 A 以服务端启动

iperf3 -s 

服务器 B 以客户端启动

iperf3 -c xxx.xxx.xxx.xxx(服务器 A 地址）

# 使用 4 个并发流进行 20 s 并发测试
iperf3 -c xxx.xxx.xxx.xxx(服务器 A 地址） -t 20 -P 4

汇总结果说明

各个流的带宽

• 流[4]：发送端533 Mbits/sec，接收端529 Mbits/sec
• 流[6]：发送端409 Mbits/sec，接收端405 Mbits/sec
• 流[8]：发送端587 Mbits/sec，接收端582 Mbits/sec
• 流[10]：发送端471 Mbits/sec，接收端467 Mbits/sec

总和

• 发送端（sender）：2.33 GBytes，2.00 Gbits/sec，总共有540个丢包
• 接收端（receiver）：2.31 GBytes，1.98 Gbits/sec
• 总带宽：总带宽为2 Gbits/sec（发送端）和1.98 Gbits/sec（接收端），两台服务器之间的网络连接具有大约2 Gbps的带宽
• 丢包率：丢包的数量（sender: 540）显示在多个流上有一些数据包丢失，但丢包率相对较低，表明网络连接比较稳定
• 对称性：发送端和接收端的带宽几乎相同，这表示网络连接在两个方向上的带宽性能是一致的

据上所述，服务器的流量大约 10MB/s，而带宽为 2G，远没有达到带宽瓶颈

最后： 下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】

​软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

​

​