压力测试,性能测试,负载测试..docx

网站压力测试 压力测试通过确定一个系统的瓶颈或者不能接收的性能点，来获得系统能提供的最大的服务级别的测试。通俗地讲，压力测试是为了发现在什么条件下您的 HYPERLINK /view/330120.htm \t _blank 应用程序的性能会变得不可接受。 　　极限压力测试举例： 　　1） 接收大数据量的数据文件时间； 　　2） 大 HYPERLINK /view/185060.htm \t _blank 数据恢复时间； 　　3） 大数据导入导出时间； 　　4） 大批量录入数据时间； 　　5） 大数据量的计算时间； 　　6） 多客户机同时进行某一个提交操作； 　　7） 采用测试工具 HYPERLINK /view/37.htm \t _blank 软件； 　　8） 编写 HYPERLINK /view/651490.htm \t _blank 测试脚本程序； 　　9） 大数据量的查询统计时间。 　　实例： 　　在一个系统内，仅有一个用户登录使用相同的操作，对不同的数据量进行测试。记录下数据量和对应的资源占用率，响应时间。 压力测试案例 案例：HKMA于2006年对 HYPERLINK /view/2607.htm \t _blank 香港零售银行业面临宏 观经济冲击时的信用风险暴露进行压力测试。 分析结果表明，银行贷款违约率与关键宏观经 济因素（包括香港GDP、 HYPERLINK /view/142631.htm \t _blank 利率、房价以及内地 GDP）之间有明显的相关性。 测试结果：以VAR计，在90%的置信水平上，银 行能继续盈利，说明信用风险较小。在极端情 况下，以VAR计，在99%的置信水平上，有些银 行会面临损失，不过这种极端情况发生的概率 非常低。 　　步骤一：定义模型 步骤二：估计模型 步骤三：模型估计结果分析 步骤四：设计冲击场景 步骤五：构造频率分布 步骤六：计算均值和VaR 步骤七：测算银行盈利能力所受影响 　　只是把它算的过程归了一下类，分了这几个步骤。这是在06年对香港的零售银行业，它也假设一家 银行面对宏观经济冲击时的信用风险暴露进行的压力测试。分析结果表明银行贷款违约率与关键宏观经济因素有相关性，宏观经济因素主要是香港的GDP和利率、 房价以及内地的GDP。测试的结果是以VaR计，在90%的置信水平上，银行能继续盈利，说明信用风险较小。在极端情况下，以VaR计，在99%的置信水 平上，有些银行会面临损失，不过这种极端情况发生的概率非常低。这只是一个预警。 　　把它的过程归纳成七个步骤，包括后面计算盈利能力的方面。首先是定义一下这个模型，在模型有自变量和应变量，它定义了4个应变量。应变量是它需要考察 HYPERLINK /view/54260.htm \t _blank 信用违约率，它违约率的定义是这样的，逾期3个月以上的 HYPERLINK /view/62273.htm \t _blank 贷款和贷款总额，不知道现在的银行是不是用违约率这么一个数据。这个数据算出来也挺难的，平时公布的数据，还是 HYPERLINK /view/1452198.htm \t _blank 不良贷款率公布得比较多，关于违约率的定义没有比较准确的，有的是定义上一期能够正常还款下一期不能正常还款的，所以现在看到违约率的定义也有几种。 HYPERLINK /view/10222.htm \t _blank 不良贷款毕竟前几年商业银行剥离的政策原因太大了，可能这个时间序列有一定的不可抵因素，就是歧义点太多。 　　看一下这个估计模型，这是94年4月到06年1月的零售银行的数据。前面是自变量，这是用历史数据估算出来的结果，包括了参数变量也体现出来了。最下面是观测值，还有测试的个数。 　　可以看得出来，它的符号还是一致的，因为前面是违约率用Log这个函数给它导了一下，所以经济环境越好的话，资产的质量会越高，这样的话，VaR的数值应该越低。可以看得出来，这跟经济增长和房地产的价格，跟利率是呈正相关的。 　　同时，这上面提了一下，其实自变量里面有很多的二级滞后项，这是剔除了一级滞后项以后得出的， 原本很多其他的相关变量没有列进来了，所以这是最后模拟出来的结果。模拟出来这个方程以后，下一步是要设定的冲击场景。先要设计模型、估计模型，最后要把 新的数据带到我们模型里面去。就是把先的自变量带到模型里面，让它变成新的应变量。那么，新的自变量怎么办呢？比如说我们的经济冲击发生以后，我们的影响 是怎么样的。实际上，它和经济危机是差不多的，碰到了4个冲击点。一个是我刚才提到的4个自变量，它对于每个变量都有一个冲击，第一个是香港实际GDP的 变化，还有一个是大陆实际GDP的变化，还有利率和房地产。它不是只对