你了解性能测试的这几个指标吗？

lsekfe

记录下性能测试常用的几个指标，性能测试其实就是检查各项指标是否符合要求。

性能测试核心指标：
　　吞吐量
　　响应时间（Rsponse Time）
　　并发处理能力
　　资源占用能力
　　测试中的时间占比：
　　40%——性能测试分析
　　30%——测试执行
　　30%——测试结果分析
　　而全链路监控就是只要和系统相关的全部需要监控到。
　　吞吐量
　　单位时间内，系统能够处理多少请求，吞吐量代表网络的流量，TPS越高，吞吐量越大，还包含了数据的吞吐量。一般单位为秒，每秒处理的请求量。
　　注意：我们看到的JMeter聚合报告一般如下图，下表中的吞吐量实际是我们文中说的TPS或者QPS。如果要计算吞吐量的话应该是接收+发送网络流量总和。

　　性能测试的时候关注吞吐量和测试环境网络带宽之间的关系，如果吞吐量接近或者等于测试环境带宽极限，那么很可能存在网络瓶颈。
　　TPS
　　TPS的全称是Transaction Per Second，即每秒处理的事务数，那什么是事务呢？
　　如：用户操作伴随着数据的变更，【下单---->支付——一个请求会有多个操作】；如：11.11用淘宝下单，产生订单数据【40W订单/每秒】。
　　衡量一个系统性能的好坏，主要看的是单位时间内，系统可以处理多少业务量。
　　举个电商的例子：
　　1）假设要测试“下单，那么“下单业务就可看做是一个事务；
　　2）假设需要测试“添加购物车+下单整体业务，那么“添加购物车和“下单这2个业务就组成了一个事务，此时TPS就是每秒处理“添加购物车+下单这个一整个事务的数量。
　　响应时间单位为秒的情况下，TPS = 1/响应时间*并发数。
　　一般情况下采用二八原则去计算，80%的交易发生在20%的时间去处理。如：一天10000笔，TPS = （10000* 80%=8000笔）/（24*60*60*20%）。
　　10000笔交易，上午2小时，下午2个小时，TPS = 10000*/4*60*60。


在系统达到瓶颈之前，TPS和并发数成正比关系。
　　QPS
　　QPS = 并发数/响应时间，QPS的全称叫Request Per Second。字面意思比较好理解，就是每秒处理的请求数（如：用户查询数据【打开某个页面】，打开淘宝某个商品页面的时候），并没有去做数据的修改，只是把数据加载到页面中。
　　如果是测试单接口的情况下，TPS=QPS，例如上面电商例子中的第1）个场景。
　　TOP响应时间
　　响应时间，Rsponse Time，从用户的角度来讲，就是用起来快不快。
　　一个请求从用户发起，到收到服务器响应，所需的时间：
　　页面打开响应的时间；
　　具体单个资源的响应时间。

一个请求的响应时间由以下几部分时间构成，响应时间=网络传输的总时间+各组件业务处理时间。

TOP响应时间是将所有请求的响应时间先从大到小进行排序，计算指定比例的请求都是小于某个时间。
　　该指标统计的是大多数请求的耗时，用JMeter进行测试通常看到下面几个数据：
　　Top90（90%响应时间）：90%的请求耗时都低于某个响应时间
　　Top95（95%响应时间）：95%的请求耗时都低于某个响应时间
　　Top99（99%响应时间）：99%的请求耗时都低于某个响应时间
　　平均响应时间
　　平均响应时间=所有请求的平均耗时=ART（Average Response Time）。
　　并发数/虚拟用户数
　　即并发处理能力，压测工具中设置的并发线程/进程数量，海量用户使用系统，在系统不崩溃情况下，能够支撑多少人同时使用。可以理解为每秒/毫秒可以处理多少并发。
　　同时在线
　　session会话信息（是否可支撑多人同时在线）、服务器储存（多人同时在线的信息需要服务器储存，服务器内存是否可支撑）。
　　同时操作
　　业界主流的定义，以秒为单位（极致情况：毫秒ms为单位），如：双11 支付宝排队付款，暂时不能付款。
　　与吞吐量的区别
　　吞吐量：1w个请求，10:00发送，10:03处理完毕，就是可以的。
　　并发量：一直在高并发，系统是不是扛得住。如：每秒发起1w请求，持续10秒，系统是不是没有问题。
　　资源占用率
　　概念理解
　　2个App，功能都一样，都是用来做“美颜，我们来判断下，哪个App的性能好。
　　第一个App能够运行在5年前的手机上，2GB运行内存，需要内存资源少。
　　第二个App只能够运行在3年前的手机上，4GB运行内存，需要内存资源更多。
　　我们可以看出，第一个App所需要的运行内存更小，占用的内存资源更少，而第二个App需要的运行内存是更大的，以及内存资源更多，只能在三年的手机运行，5年前的是运行不了，所以是第一个App相对于与第二个App来说，第一个App性能是更加好的。
　　性能好一些，对我们实际有什么帮助呢？
　　假设我们在开发一款应用，有1000使用用户：
　　500w用户——3年内的新手机（运行内存4G）
　　500w用户——5年前的老手机（运行内存2G）
　　如我们开发时没有考虑到老手机运行内存的问题，只可以运行在新手机上，那就意味着50%，500w的老手机的用户是正常使用不了的，如我们所设计时考虑到了，性能足够的好，新、老手机都可使用，那就是100%的用户是都可以正常使用的。
　　成本的角度
　　最小成本【最少资源】支撑最多的吞吐量、支撑最小的响应时间。
　　CPU：作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。
　　内存：是计算机的重要部件，也称内存储器和主存储器，它用于暂时存放CPU中的运算数据，以及与硬盘等外部存储器交换的数据。它是外存与CPU进行沟通的桥梁，计算机中所有程序的运行都在内存中进行，内存性能的强弱影响计算机整体发挥的水平。只要计算机开始运行，操作系统就会把需要运算的数据从内存调到CPU中进行运算，当运算完成，CPU将结果传送出来。
　　网络
　　磁盘：利用磁记录技术存储数据的存储器。
　　举例
　　同时处理100个请求、需要占用多少CPU、内存、网络、磁盘，请求一个接口文档说明。
　　1、加载一系列的、html、js、css等等内容——加载125KB的内容——内容压缩；
　　2、服务器将数据传输到浏览器客户端，服务器网络带宽资源1M，就是每秒能够传输125KB的数据，加大服务器的带宽；
　　3. 当前这个系统部署在服务器占用网络带宽太多了，导致每一秒只能返回一个请求所需要的数据。

如若我们的官网中需加载的内容过多，而我们的服务器带宽只有1M，每秒只可以传输125KB，这时就会出现卡顿，那么我们想要解决，就需要加大带宽，会是压缩网页内缩了。
　　为什么1M的带宽，只可以传输125kb呢？
　　如我们家里的宽带100M宽带，理论上的下载速度是12.5M，究竟是为什么呢？因为运行商的所说的单位是bit，而我们经常说的是G、M是Byte。
　　8位=1字节，“位是数据存储的最小单位。字节也叫Byte，1Byte=8bit（位），1024Byte（字节）=1KB，1024KB=1MB，1024MB=1GB，1024GB=1TB。
　　服务器带宽是1M，访问官网1人需要的时间1S，100人需要的时间100S，这就是资源占用率，处理一个请求，需要占用多少资源。
　　想要优化的话，网页中东西太多了，可以减少。可压缩一下，清晰度降低一点，有些可不马上加载处理的，可稍后下载出来。


成功率
　　请求的成功率，一般执行压测后我们会关注请求或者事务的成功率是多少，一般公司可能要求成功率在99.99%以上。
　　PV/UV
　　PV（Page View）页面/接口的访问量；
　　UV(Unique Visitor)页面/接口的每日唯一访客。
　　PV/UV的概念好像也是常在电商中出现，一般可能是在性能需求分析的时候提到，比如某页面每日的PV是多少，UV是多少。
　　集合点
　　集合点不是指标，是性能测试中的一个概念。
　　集合点是为了增加瞬间并发压力的一种机制，在脚本中增加一个标记，所有虚拟用户执行到标记处会进行等待，等左右用户都到达后，再同时继续执行下一步操作。
　　根据业务来选择是否需要集合点，如果业务场景是瞬间高并发的，如抢购、秒杀等，需要加集合点。
　　增加了集合点之后，对服务器来说，会产生一种瞬间高并发，模拟秒杀等场景；同时也会降低服务器平均压力。