【软件测试】性能测试概念篇
1. 性能测试的定义
性能测试是通过模拟真实用户行为、系统负载或极端条件,评估软件系统在特定场景下的响应能力、稳定性、资源消耗及扩展性的过程。其核心目标是:
- 验证系统容量:确保系统在预期负载下(如双十一秒杀)满足性能指标(如每秒处理5000笔订单)。
- 定位瓶颈:识别代码、中间件或硬件瓶颈(如数据库慢查询、线程池满)。
- 预测风险:评估系统在超负载或长时间运行时的行为(如内存泄漏、服务雪崩)。
典型案例:某社交平台新版本发布后,因未对消息推送接口进行压测,导致晚高峰时消息延迟高达10秒,最终通过优化Redis集群配置解决。
2. 性能测试的常见指标
2.1 吞吐量(Throughput)
- 定义:单位时间内的有效事务处理量,体现系统处理能力。
- 计算方式:
- QPS(查询类接口):
SELECT COUNT(*) FROM logs WHERE time > '2023-01-01'
QPS = 总成功请求数 ÷ 测试时间(秒)
- TPS(事务类接口):支付接口要求TPS ≥ 2000(每秒处理2000笔交易)。
- QPS(查询类接口):
这里的事务是人为定义的,所以在使用 TPS 来作为指标时,一定要有相同的参照物。
- 行业案例:支付宝2023年双十一峰值TPS达61万,Visa网络全球峰值TPS为6.5万。
2.2 并发数(Concurrency)
- 定义:系统同时处理的活跃请求数,反映实际负载压力。
- 业务模型:
示例:某在线教育平台日活50万,平均课程加载耗时1.2秒,实际并发≈(500000/86400)*1.2 ≈ 7实际并发数 ≈ (日均请求量 / 86400秒) × 平均响应时间(秒)
- 配置参考:Tomcat默认线程池200,需根据压测结果调整。
2.3 响应时间(Response Time)
- 分位值意义:
分位点 业务影响 优化优先级 P50 基础体验 中 P90 核心用户 高 P99 极端情况 紧急 - 优化案例:某银行转账接口P99从800ms优化至300ms,通过异步化改造和数据库索引优化实现。
2.4 并发数,吞吐量和响应时间之间的关系
解释一下这张图
一、吞吐量(Throughput)变化规律
1. 轻负载区(Light Load)
- 变化规律:吞吐量 线性快速上升
- 原因:
- 系统资源(CPU、内存、I/O)充足,处理请求无需等待
- 请求处理管道(如Tomcat线程池、数据库连接池)未达到容量上限
- 示例:当并发数从10增至100时,QPS从200升至2000
2. 重负载区(Heavy Load)
- 变化规律:吞吐量 达到峰值后逐渐下降
- 原因:
- 关键资源(如数据库连接、线程池)达到容量限制,新请求开始排队
- 资源竞争导致处理效率降低(如CPU上下文切换频繁)
- 示例:当并发数超过500时,QPS从5000峰值下降至4500
3. 拥堵区(Buckle Zone)
- 变化规律:吞吐量 断崖式下跌
- 原因:
- 系统过载引发雪崩效应(如缓存击穿、服务熔断)
- 错误率飙升(如HTTP 503、数据库死锁)
- 示例:并发数突破1000时,QPS从4500骤降至800
二、响应时间(Response Time, RT)变化规律
1. 轻负载区
- 变化规律:响应时间 基本稳定
- 原因:
- 请求无需排队,资源即时响应
- 无锁竞争或I/O等待延迟
- 示例:并发数100时,RT稳定在50ms
2. 重负载区
- 变化规律:响应时间 显著非线性上升
- 原因:
- 请求排队等待资源(如数据库连接池满)
- 同步阻塞操作增多(如线程等待锁释放)
- 示例:并发数500时,RT从50ms升至300ms
3. 拥堵区
- 变化规律:响应时间 指数级飙升
- 原因:
- 队列深度指数增长(如Tomcat积压请求超过
acceptCount
) - 系统频繁触发超时重试(如HTTP重试风暴)
- 示例:并发数1000时,RT从300ms飙升至5s
- 队列深度指数增长(如Tomcat积压请求超过
三、资源利用率(Utilization)变化规律
1. 轻负载区
- 变化规律:利用率 线性增长
- 原因:
- 资源逐步被请求占用(如CPU从20%升至70%)
- 无资源闲置浪费
- 示例:并发数100时,CPU利用率从30%升至65%
2. 重负载区
- 变化规律:利用率 达到阈值后趋于平稳
- 原因:
- 资源容量达到物理极限(如CPU已达90%无法突破)
- 资源调度开销增加(如线程切换消耗CPU)
- 示例:并发数500时,CPU稳定在92%
3. 拥堵区
- 变化规律:利用率 波动或下降
- 原因:
- 错误请求导致资源浪费(如建立TCP连接后立即超时断开)
- 系统过载保护机制生效(如熔断降级丢弃部分请求)
- 示例:并发数1000时,CPU利用率从92%降至85%
关键变化机理与优化策略
指标 | 变化驱动因素 | 优化方法 |
---|---|---|
吞吐量 | 资源容量与调度效率 | 水平扩展(Kubernetes自动扩缩容) |
响应时间 | 队列深度与处理延迟 | 异步化改造(消息队列削峰填谷) |
利用率 | 资源争用与错误处理开销 | 精细化资源分配(CPU绑核、内存分池) |
3. 性能测试关注点
不同角色的核心关注方向
角色 | 关注重点 | 典型场景 |
---|---|---|
软件测试人员 | 接口级性能(如 API 吞吐量、错误率) | 使用 JMeter 压测支付接口 |
开发人员 | 代码执行效率(如 GC 频率、线程阻塞) | 分析 JVM 内存泄漏 |
运维人员 | 基础设施负载(如 CPU 利用率、网络带宽) | 监控 Kubernetes 集群资源水位 |
业务方 | 用户体验(如页面加载时间) | 首屏渲染 ≤ 2s |
4. 性能测试分类与实施
4.1 基准测试
- 实施步骤:
- 单用户执行核心功能(如商品搜索)
- 记录无竞争条件下的性能基线
- 输出示例:
接口 P99响应时间 CPU使用率 /api/search 120ms 45% /api/checkout 250ms 60%
4.2 负载测试
- 阶梯增压策略:
阶段 并发数 持续时间 监控重点 预热 100 5分钟 JVM编译状态 爬坡 100→500 10分钟 线性扩展能力 稳态 500 30分钟 资源泄漏迹象
实战案例:某视频平台直播接口在500并发时Nginx返回502错误,原因为Tomcat线程池满(maxThreads从500调整至1000)。
4.3 压力测试
- 破坏性场景:
- 瞬时流量冲击:1秒内并发从100增至5000(模拟微博热搜突发流量)。
- 依赖故障模拟:关闭数据库从节点,验证主节点高可用性。
- 典型问题:某电商系统在300%负载下出现OOM,最终通过堆内存分析定位到缓存未设置TTL。
4.4 稳定性测试
- 实施要点:
- 持续运行12小时,负载为峰值的70%
- 监控内存增长(如JVM老年代内存每小时增长>2%则告警)
- 泄漏案例:某物流系统运行8小时后线程数从200增至2000,原因为HTTP连接未关闭,增加连接池回收策略后解决。
这里画张图来解释一下不同的测试在测试阶段所处的位置
负载测试就是找到资源利用率最大的最大并发数
而压力测试则是寻找使系统崩溃的最大并发数
相关文章:
【软件测试】性能测试概念篇
1. 性能测试的定义 性能测试是通过模拟真实用户行为、系统负载或极端条件,评估软件系统在特定场景下的响应能力、稳定性、资源消耗及扩展性的过程。其核心目标是: 验证系统容量:确保系统在预期负载下(如…...
在Pycharm配置stable diffusion环境(使用conda虚拟环境)
自己配环境的时候也没个指南,少安装包或者包之间版本冲突是再按正常不过的事了,真的令人不胜其烦。 下面记录一下自己在conda虚拟环境配置stable diffusion的代码环境,希望能帮大家少踩几个坑。 虚拟环境配置 默认你已经安装了annaconda&am…...
Uniapp微信小程序:轻松获取用户头像和昵称
参考文献:Uniapp微信小程序:轻松获取用户头像和昵称-百度开发者中心 (baidu.com) uni.login({ provider: weixin, success: function (loginRes) { console.log(loginRes.authResult); // 打印登录凭证 // 使用登录凭证获取用户信息 uni.getUserInfo({ …...
Qt核心知识总结
Qt核心知识总结 Qt 是一个功能强大、跨平台的 C 应用程序开发框架,广泛应用于图形用户界面(GUI)应用程序的开发,同时也支持非 GUI 应用程序的开发。本文将从入门到精通的角度,详细解析 Qt 的核心知识点,帮…...
Doris的向量化执行如何支撑分布式架构和复杂查询
Doris 的向量化执行能力与其 分布式架构 和 复杂查询优化 深度结合,通过 批处理 列式计算 分布式调度 的协同设计,解决传统分布式数据库在复杂查询场景下的性能瓶颈。以下是具体原理展开: 一、向量化如何适配分布式架构? Doris…...
无源蓝牙技术与传统RFID(射频识别)对比
百事可乐的无源蓝牙技术与传统RFID(射频识别)虽然都属无线通信技术,但在工作原理、应用场景和技术性能上存在显著差异。以下是深度对比分析: 一、核心技术差异 维度无源蓝牙(如百事方案)R…...
Operator 开发入门系列(一):Hello World
背景 我们公司最近计划将产品迁移到 Kubernetes 环境。 为了更好地管理和自动化我们的应用程序,我们决定使用 Kubernetes Operator。 本系列博客将记录我们学习和开发 Operator 的过程,希望能帮助更多的人入门 Operator 开发。 目标读者 对 Kubernete…...
Immich图库本地部署与远程管理:打造你的专属照片云服务
文章目录 前言1.关于Immich2.安装Docker3.本地部署Immich4.Immich体验5.安装cpolar内网穿透6.创建远程链接公网地址7.使用固定公网地址远程访问 前言 小伙伴们,你们好呀!今天要给大家带来一个超炫的技能——让你家的电脑秒变私人云相册,并且…...
OpenShift AI + DeepSeek+IBM CP4BA:实现AI业务自动化中台
一、OpenShift AI DeepSeek 1、什么是 OpenShift AI? OpenShift AI(前身为 Red Hat Open Data Hub)是 Red Hat OpenShift 平台上的一套 AI/ML 工具集,基于 Kubernetes,为企业提供可扩展的机器学习平台,可…...
游戏引擎学习第229天
仓库:https://gitee.com/mrxiao_com/2d_game_5 回顾上次内容并介绍今天的主题 上次留下的是一个非常简单的任务,至少第一步是非常简单的。我们需要在渲染器中加入排序功能,这样我们的精灵(sprites)才能以正确的顺序显示。为此我…...
genhtml 工具使用说明
genhtml 工具使用说明 简介 genhtml 是一个用于生成 HTML 格式代码覆盖率报告的工具,基于 lcov 生成的覆盖数据文件(如 lcov.info)生成交互式 HTML 报告。它支持多种自定义选项,可控制报告内容、样式、输出格式等。 基本用法 ge…...
C++11_2
文章目录 前言一、新的类功能——新的默认成员函数1. 编译器默认生成的移动构造与移动赋值2. 手动提供移动构造或移动赋值的影响 二、可变参数模板1. 多参数1. 可变参数模板的基础 2. 可变参数模板的展开(1)递归展开参数包(2)使用…...
HTML语义化与无障碍设计
HTML 语义化与无障碍设计:构建包容且高效的网页体验 引言 在我的前端开发学习旅程中,起初将 HTML 仅视为页面布局的工具,大量使用无语义的 <div> 和 <span>。直到在一篇技术博客当中了解到,作者在一次团队项目中&am…...
Ubuntu多用户VNC远程桌面环境搭建:从零开始的完整指南
引言: 在当今远程工作盛行的时代,搭建一个安全、高效的多用户远程桌面环境变得越来越重要。本文将为您提供一个从零开始的完整指南,教您如何在Ubuntu系统上搭建多用户VNC远程桌面环境。无论您是系统管理员、开发团队负责人,还是想要为家庭成员提供远程访问的技术爱好者,这…...
Electron 中引入MessageChannel 大大缩短不同渲染进程和 Webview 各组件 1o1的通信链路
背景 在 electron 开发中,也不可避免地遇到端到端的通信问题,Electron 已经内置一些通信 API,但是实际用下来会发现,在引入 Webview 之后,通信链路会很长,参考 利用本地 Express Web 服务解决复杂的 Elec…...
Vscode开发Vue项目NodeJs启动报错处理
文章目录 背景一、npm启动报错报错信息定位原因处理方案第一步、下载安装高版本 二、node 无法识别报错信息处理方案定位原因第一步、检测环境变量第二步、重新开启界面 背景 使用Vscode开发Vue项目,使用到NodeJs,记录出现的问题及处理方案,…...
AI agents系列之AI工作流和AI智能体对比
在人工智能(AI)快速发展的今天,理解AI工作流和AI智能体之间的区别对于有效利用这些技术至关重要。本文将深入探讨AI工作流的类型,解析AI智能体的概念,并重点比较二者的关键差异。 1. 智能体 vs 工作流 关于“智能体”的定义众说纷纭。有些客户将其视为完全自主的系统,能…...
如何恢复极狐GitLab?
极狐GitLab 是 GitLab 在中国的发行版,关于中文参考文档和资料有: 极狐GitLab 中文文档极狐GitLab 中文论坛极狐GitLab 官网 恢复极狐GitLab (BASIC SELF) 极狐GitLab 提供了一个命令行界面来恢复整个安装,足够灵活以满足您的需求。 恢复…...
基于X86/Nvidia+FPGA大模型具身智能机器人控制器解决方案,同时拥有算力与实时的便利
2025年成为人形机器人产业化元年,行业已突破早期实验室研发阶段,进入"场景验证量产爬坡"新周期,预计2031年具身智能市场规模有望突破万亿元。这一进程的背后,是硬件算力、实时控制、环境适应等底层技术的系统性突破——…...
MATLAB项目实战(一)
题目: 某公司有6个建筑工地要开工,每个工地的位置(用平面坐标系a,b表示,距离单位:km)及水泥日用量d(t)由下表给出.目前有两个临时料场位于A(5,1),B(2,7),日储…...
PyCharm Flask 使用 Tailwind CSS 配置
使用 Tailwind CSS 步骤 1:初始化项目 在 PyCharm 终端运行:npm init -y安装 Tailwind CSS:npm install -D tailwindcss postcss autoprefixer初始化 Tailwind 配置文件:npx tailwindcss init这会生成 tailwind.config.js。 步…...
Mybtis和Mybatis-Plus区别
MyBatis 和 MyBatis-Plus 是 Java 中常用的持久层框架,MyBatis-Plus 是在 MyBatis 基础上增强的工具包,让开发更便捷、高效。下面是两者主要的区别: ✅ 核心区别总结: 特性MyBatisMyBatis-Plus配置复杂度需要手写大量 XML 或注解…...
《Learning Langchain》阅读笔记2-基于 Gemini 的 Langchain PromptTemplate 实现方式
本文将使用Gemini实现《Learning Langchain》中的PromptTemplate 实现方式,替代书中的调用openai API,白嫖太香了! 调试步骤 我们首先还是先在本地调试是否可以调用Gemini API: import getpass import osif "GOOGLE_API_K…...
LVS+keepalived搭建高可用架构
背景:最近在搭建LVSkeepalived的高可用架构,中间遇到了一些坑比较让人头疼,此处重要就安装部署的步骤进行记录,特别是遇到坑进行说明,希望能对有需要的同学提供给帮助! 坑点1: 在部署LVSkeepalived并且使用…...
【天梯赛练习】L2-035 完全二叉树的层序遍历
后序遍历转层序遍历 后序遍历:左——右——根层序遍历:数组形式存储的完全二叉树的顺序遍历序列其实就正好是其层序遍历序列。 子树根若是 i d id id,左子树 i d ∗ 2 id*2 id∗2,右子树 2 ∗ i d 1 2*id1 2∗id1 所以就是dfs递…...
2025.4.20机器学习笔记:文献阅读
2025.4.20周报 题目信息摘要创新点网络架构实验生成性能对比预测性能对比 结论不足以及展望 题目信息 题目: A novel flood forecasting model based on TimeGAN for data-sparse basins期刊: Stochastic Environmental Research and Risk Assessment作…...
Leetcode 3359. 查找最大元素不超过 K 的有序子矩阵【Plus题】
1.题目基本信息 1.1.题目描述 给定一个大小为 m x n 的二维矩阵 grid。同时给定一个 非负整数 k。 返回满足下列条件的 grid 的子矩阵数量: 子矩阵中最大的元素 小于等于 k。 子矩阵的每一行都以 非递增 顺序排序。 矩阵的子矩阵 (x1, y1, x2, y2) 是通过选择…...
Redis面试——事务
一、Redis原子性是什么? (1)单个命令的原子性 原子性是指一组操作,要么全部执行成功,要么全部失败。Redis 中的单个命令是天然原子性的,因为 Redis 的命令执行采用单线程模型,同一时间只会执行…...
【远程管理绿联NAS】家庭云存储无公网IP解决方案:绿联NAS安装内网穿透
文章目录 前言1. 开启ssh服务2. ssh连接3. 安装cpolar内网穿透4. 配置绿联NAS公网地址 前言 大家好,今天要带给大家一个超级酷炫的技能——如何让绿联NAS秒变‘千里眼’,通过简单的几步操作就能轻松实现内网穿透。想象一下,无论你身处何地&a…...
AI写程序:用 AI 实现一个递归批量转化 GBK/GB2312 转 UTF-8 工具:轻松解决文本编码转换难题
用 AI 实现一个递归批量转化 GBK/GB2312 转 UTF-8 工具 在处理历史文件或与不同系统交互时,我们经常会遇到 GBK 或 GB2312 编码的文本文件。虽然现在 UTF-8 是主流,但手动转换这些旧编码文件既繁琐又容易出错。为了解决这个问题,我开发了一个…...
首席人工智能官(Chief Artificial Intelligence Officer,CAIO)的详细解析
以下是**首席人工智能官(Chief Artificial Intelligence Officer,CAIO)**的详细解析: 1. 职责与核心职能 制定AI战略 制定公司AI技术的长期战略,明确AI在业务中的应用场景和优先级,推动AI与核心业务的深度…...
uview1.0 tabs组件放到u-popup中在微信小程序中滑块样式错乱
解决思路 重新计算布局信息:在弹窗显示后重新调用 init 方法来计算组件的布局信息。使用 nextTick:保证在视图更新之后再进行布局信息的计算。 <u-tabs ref"tabsRef" ></u-tabs> makeClick(){this.makeShowtruethis.$nextTick…...
私人笔记:动手学大模型应用开发llm-universe项目环境创建
项目代码:datawhalechina/llm-universe: 本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/ 项目书:动手学大模型应用开发 一、初始化项目 uv init llm-universe-te…...
基于Django框架的图书索引智能排序系统设计与实现(源码+lw+部署文档+讲解),源码可白嫖!
摘要 时代在飞速进步,每个行业都在努力发展现在先进技术,通过这些先进的技术来提高自己的水平和优势,图书管理系统当然不能排除在外。图书索引智能排序系统是在实际应用和软件工程的开发原理之上,运用Python语言以及Django框架进…...
网络类型学习
网络类型的分类依据-----基于二层(数据链路层)使用的协议不同而导致数据包的封装方式不同,工作方式也不同。 OSPF协议根据链路层协议类型将网络分为四种类型:广播型网络(BMA)、非广播多路访问(…...
ubuntu24.04离线安装deb格式的mysql-community-8.4.4
1,下载解压 参考: https://blog.csdn.net/2202_76101487/article/details/145967039 下载: wget https://cdn.mysql.com//Downloads/MySQL-8.4/mysql-server_8.4.4-1ubuntu24.04_amd64.deb-bundle.tar 建议个目录mysql8然后把安装包移过去&…...
电控---printf重定向输出
在嵌入式系统开发中,printf 重定向输出是将标准输出(stdout)从默认设备(如主机终端)重新映射到嵌入式设备的特定硬件接口(如串口、LCD、USB等)的过程。 一、核心原理:标准IO库的底层…...
uniapp使用createSelectorQuery,boundingClientRect获取宽度和高度不准确的可用的解决方案
场景展示: uniapp使用createSelectorQuery,boundingClientRect获取宽度和高度不准确的可用的解决方案,正常来说,使用下面的代码是可以正确获得宽高的,但是里面含有图片,在图片没有加载完的情况下,我们可以…...
DSO:牛津大学推出的物理一致性3D模型优化框架
在数字内容创作和制造领域,将2D图像转换为高质量、物理上稳定的3D模型一直是一个挑战。传统的3D建模方法往往需要大量的手动调整以确保生成的物体不仅美观而且符合物理定律,能够在现实世界中稳定存在。牛津大学近期推出了一款名为DSO(Direct Sparse Odometry)的项目,它不仅…...
Delphi Ini文件对UTF8支持不爽的极简替代方案
如题,没太多废话,直接复制走即可。 unit uConfig;interfaceuses classes, Sysutils;typeTConfig class privateFFileName: String;FConfig:TStringList; protectedpublicconstructor Create(ConfigFile:String);destructor Destroy;property FileName…...
Windows平台使用Docker部署Neo4j
✅ Docker 安装 Neo4j 前提条件:安装docker 打开docker desktop docker run \--name neo4j \-p7474:7474 -p7687:7687 \-d \-e NEO4J_AUTHneo4j/password123 \neo4j:5默认用户名是 neo4j,密码是你设置的,比如上面是 password123 ✅用 Pyt…...
FreeRTOS二值信号量详解与实战教程
FreeRTOS二值信号量详解与实战教程 📚 作者推荐:想系统学习FreeRTOS嵌入式开发?请访问我的FreeRTOS开源学习库,内含从入门到精通的完整教程和实例代码! 1. 二值信号量核心概念解析 二值信号量(Binary Semaphore)是Fre…...
数据结构与算法[零基础]---6.算法概况
六、算法概述 (一)算法的概述 任何解决问题的过程都是由一定的步骤组成的,把解决问题的方法和有限的步骤称作算法 (二)算法的基本特征 1.有穷性 算法必须在执行有限个操作之后终止,且每一步都可在有限时间内完成。 2.确定性 算…...
STL简介(了解)
1.什么是STL STL(standard template libaray)是标准模板库,它是C标准库的一部分。C标准库中还有一些其它东西,比如之前用的IO流。它主要是数据结构和算法的库。 2.STL的版本 C3.0出来后就有了模板,此时大家已经深受没有数据结构算法库的痛苦…...
使用 Oh My Posh 自定义 PowerShell 提示符
使用 Oh My Posh 自定义 PowerShell 提示符 由于ai生图,ai视频这方面mac太差了,买N卡,转windows了,这里也记录一下 PowerShell 配置Oh My Posh 先上效果图 一、下载 PowerShell7 默认的 PowerShell5 太差了,下载地…...
4月17号
//1.编码 String str "ai你哟"; byte[] bytes1 str.getBytes(); System.out.println(Arrays.toString(bytes1)); byte[] bytes2 str.getBytes(charsetName: "GBK"); System.out.println(Arrays.toString(bytes2));//2.解码 String str2 new String(byt…...
react-native搭建开发环境过程记录
主要参考:官网的教程 https://reactnative.cn/docs/environment-setup 环境介绍:macos ios npm - 已装node18 - 已装,通过nvm进行版本控制Homebrew- 已装yarn - 已装ruby - macos系统自带的2.2版本。watchman - 正常安装Xcode - 正常安装和…...
自然语言处理(NLP)技术。
自然语言处理(NLP)技术可以应用于多个领域,以下是一些示例: 情感分析:NLP可以用来分析文本中包含的情感,帮助企业了解用户对他们产品或服务的感受。例如,社交媒体平台可以利用情感分析技术来监测…...
Ubuntu 安装WPS Office
文章目录 Ubuntu 安装WPS Office下载安装文件安装WPS问题1.下载缺失字体文件2.安装缺失字体 Ubuntu 安装WPS Office 下载安装文件 需要到 WPS官网 下载最新软件,比如wps-office_12.1.0.17900_amd64.deb 安装WPS 执行命令进行安装 sudo dpkg -i wps-office_12.1…...
【WPF】 自定义控件的自定义属性
文章目录 前言一、自定义控件部分二、在页面中使用总结 前言 在一个页面,重复用到同一个自定义控件时,该如何对控件分别进行数据绑定呢?这时候可以赋予控件一个自定义的属性,来完成此操作。 一、自定义控件部分 为自定以控件设置…...