系统吞吐量(TPS)、用户并发量、性能测试概念和公式.docxVIP

近期在做项目的性能测试和性能优化，先了解与性能相关的一些概念。　　一．系统吞度量要素：　　一个系统的吞度量（承压能力）与ｒｅｑｕｅｓｔ对ＣＰＵ的消耗、外部接口、ＩＯ等等紧密关联。　　单个ｒｅｑｅｕｓｔ　对ＣＰＵ消耗越高，外部系统接口、ＩＯ影响速度越慢，系统吞吐能力越低，反之越高。　　系统吞吐量几个重要参数：ＱＰＳ（ＴＰＳ）、并发数、响应时间　　ＱＰＳ（ＴＰＳ）：每秒钟request／事务　数量　　并发数：　系统同时处理的request／事务数　　响应时间：　　一般取平均响应时间　　（很多人经常会把并发数和ＴＰＳ理解混淆）　　理解了上面三个要素的意义之后，就能推算出它们之间的关系：　　ＱＰＳ（ＴＰＳ）＝　并发数／平均响应时间　　一个系统吞吐量通常由ＱＰＳ（ＴＰＳ）、并发数两个因素决定，每套系统这两个值都有一个相对极限值，在应用场景访问压力下，只要某一项达到系统最高值，系统的吞吐量就上不去了，如果压力继续增大，系统的吞吐量反而会下降，原因是系统超负荷工作，上下文切换、内存等等其它消耗导致系统性能下降。　　决定系统响应时间要素　　我们做项目要排计划，可以多人同时并发做多项任务，也可以一个人或者多个人串行工作，始终会有一条关键路径，这条路径就是项目的工期。　　系统一次调用的响应时间跟项目计划一样，也有一条关键路径，这个关键路径是就是系统影响时间；　　关键路径是有ＣＰＵ运算、ＩＯ、外部系统响应等等组成。　　二．系统吞吐量评估：　　我们在做系统设计的时候就需要考虑ＣＰＵ运算、ＩＯ、外部系统响应因素造成的影响以及对系统性能的初步预估。　　而通常境况下，我们面对需求，我们评估出来的出来ＱＰＳ、并发数之外，还有另外一个维度：日ＰＶ。　　通过观察系统的访问日志发现，在用户量很大的情况下，各个时间周期内的同一时间段的访问流量几乎一样。比如工作日的每天早上。只要能拿到日流量图和ＱＰＳ我们就可以推算日流量。　　通常的技术方法：　　１．　找出系统的最高ＴＰＳ和日ＰＶ，这两个要素有相对比较稳定的关系（除了放假、季节性因素影响之外）　　２．　通过压力测试或者经验预估，得出最高ＴＰＳ，然后跟进１的关系，计算出系统最高的日吞吐量。Ｂ２Ｂ中文和淘宝面对的客户群不一样，这两个客户群的网络行为不应用，他们之间的ＴＰＳ和ＰＶ关系比例也不一样。　　Ａ）淘宝　　淘宝流量图：　　淘宝的ＴＰＳ和ＰＶ之间的关系通常为　　最高ＴＰＳ：ＰＶ大约为　１　：　１１＊３６００　（相当于按最高ＴＰＳ访问１１个小时，这个是商品详情的场景，不同的应用场景会有一些不同）B) B2B中文站　　B2B的TPS和PV之间的关系不同的系统不同的应用场景比例变化比较大，粗略估计在1 ： 8个小时左右的关系（09年对offerdetail的流量分析数据）。旺铺和offerdetail这两个比例相差很大，可能是因为爬虫暂的比例较高的原因导致。　　在淘宝环境下，假设我们压力测试出的TPS为100，那么这个系统的日吞吐量=100*11*3600=396万　　这个是在简单（单一url）的情况下，有些页面，一个页面有多个request，系统的实际吞吐量还要小。　　无论有无思考时间（T_think），测试所得的TPS值和并发虚拟用户数(U_concurrent)、Loadrunner读取的交易响应时间（T_response）之间有以下关系（稳定运行情况下）：　　TPS=U_concurrent / (T_response+T_think)。　　并发数、QPS、平均响应时间三者之间关系　　软件性能测试的基本概念和计算公式　　一、软件性能的关注点　　对一个软件做性能测试时需要关注那些性能呢？　　我们想想在软件设计、部署、使用、维护中一共有哪些角色的参与，然后再考虑这些角色各自关注的性能点是什么，作为一个软件性能测试工程师，我们又该关注什么？　　首先，开发软件的目的是为了让用户使用，我们先站在用户的角度分析一下，用户需要关注哪些性能。　　对于用户来说，当点击一个按钮、链接或发出一条指令开始，到系统把结果已用户感知的形式展现出来为止，这个过程所消耗的时间是用户对这个软件性能的直观印象。也就是我们所说的响应时间，当相应时间较小时，用户体验是很好的，当然用户体验的响应时间包括个人主观因素和客观响应时间，在设计软件时，我们就需要考虑到如何更好地结合这两部分达到用户最佳的体验。如：用户在大数据量查询时，我们可以将先提取出来的数据展示给用户，在用户看的过程中继续进行数据检索，这时用户并不知道我们后台在做什么。　　用户关注的是用户操作的相应时间。　　其次，我们站在管理员的角度考虑需要关注的性能点。　　1、相应时间　　2、服务器资源使用情况是否合理　　3、应用服务器和数据库资源使用是否合理　　4、系统能否实现扩展　　5、系统最多支持多少用户访