性能测试详解

🍅点击文末小卡片,免费获取软件测试全套资料,资料在手,涨薪更快

一、什么是性能测试

先看下百度百科对它的定义

性能测试是通过自动化的测试工具模拟多种正常、峰值以及异常负载条件来对系统的各项性能指标进行测试

我们可以认为性能测试是:通过在测试环境下对系统或构件的性能进行探测,用以验证在生产环境下系统性能是否达到预估的性能需求,发现系统可能存在的性能瓶颈,进而改善优化并系统的性能,提高系统的可扩展性、稳定性。

学习性能测试,或者对测试结果进行分析,都需要熟悉测试指标。接下来从性能测试分析度量的角度,介绍性能测试不同维度的测试指标。

二、系统性能指标

2.1 响应时间

响应时间(Response Time),简称RT,是指用户从客户端发起一个请求开始,到客户端接收到从服务器端返回的结果,整个过程所耗费的时间。不包括前端页面的处理和渲染时间。直观上看,这个指标与人对软件性能的主观感受是非常一致的,因为它完整地记录了整个计算机系统处理请求的时间。响应时间的绝对值并不能直接反映软件的性能的高低,软件性能的高低实际上取决于用户对该响应时间的接受程度。

2.2 系统处理能力

指系统在利用系统硬件平台和软件平台进行信息处理的能力,系统处理能力通过系统每秒钟能够处理的交易数量来评价,交易有两种理解:

(1)从业务人员角度进行的一笔业务过程;

(2)从系统角度的一次交易申请和响应过程。

前者称为业务交易过程,后者称为事务,两种交易指标都可以评价应用系统的处理能力。一般情况下,系统处理能力用以下几个指标来度量:

  • HPS(Hits Per Second):每秒点击次数,单位是次/秒
  • TPS(Transaction per Second):系统每秒处理交易数,单位是笔/秒
  • QPS(Query per Second):系统每秒处理查询次数,单位是次/秒

对于互联网业务中,如果某些业务有且仅有一个请求连接,那么TPS=QPS=HPS,一般情况下用TPS来衡量整个业务流程,用QPS来衡量接口查询次数,用HPS来表示对服务器点击请求。

2.3 吞吐量

指系统在单位时间内处理请求的数量。对于单用户的系统,响应时间可以很好地度量系统的性能;而对于并发系统,通常需要用吞吐量作为性能指标。一般而言,吞吐量是一个比较通用的指标,两个具有不同用户数和用户使用模式的系统,如果其最大吞吐量基本一致,则可以判断两个系统的处理能力基本一致。

2.4 并发用户数

指在同一时刻内,登录系统并进行业务操作的用户数量。对于长连接系统来说最大并发用户数即是系统的并发接入能力,而对于短连接系统而言最大并发用户数并不等于系统的并发接入能力短连接系统的并发用户数与系统架构、系统处理能力等各种情况相关。

与吞吐量相比,并发用户数是一个更直观但也更笼统的性能指标。实际上,并发用户数是一个非常不准确的指标,因为用户不同的使用模式会导致不同用户在单位时间发出不同数量的请求。

2.5 错误率

错误率(Error Rate),是指在一定时间内处理请求时发生的错误或失败的次数与总请求数量之比。错误率通常以百分比形式表示,例如:99%的成功率或1%的失败率等。这个指标越低代表系统性能越好。

三、资源性能指标

3.1 CPU

CPU又称为中央处理器,是一块超大规模的集成电路,是一台计算机的运算核心(Core)和控制核心(Control Unit),功能主要是解释计算机指令以及处理计算机软件中的数据。

CPU指标主要指的CPU利用率,包括:用户态(user)、系统态(sys)、等待态(wait)、空闲态(idle)。性能测试CPU的评估建议值:

(1)CPU利用率要低于业界警戒值范围之内,即小于或者等于75%

(2)CPU sys%小于或者等于30%

(3)CPU wait%小于或者等于5%

3.2 内存

内存是与CPU进行沟通的桥梁,计算机中所有程序的运行都是在内存中进行的,因此内存的性能对计算机的影响非常大。

现在的操作系统为了最大利用内存,在内存中存放了缓存,因此内存利用率100%并不代表内存有瓶颈。衡量系统内存是否有瓶颈主要靠SWAP(与虚拟内存交换)交换空间利用率,一般情况下,SWAP交换空间利用率要低于70%,太多的交换将会引起系统性能低下。

3.3 磁盘吞吐量

磁盘吞吐量简称为Disk Throughput,是指在无磁盘故障的情况下单位时间内通过磁盘的数据量。分析指标主要有每秒读写多少兆、磁盘繁忙率、磁盘队列数、平均服务时间、平均等待时间、空间利用率等等。其中磁盘繁忙率是直接反映磁盘是否有瓶颈的的重要依据,一般情况下,磁盘繁忙率要低于70%。

3.4 网络吞吐量

网络吞吐量简称为Network Throughput,是指在无网络故障的情况下单位时间内通过的网络的数据数量,单位为Byte/s。

网络吞吐量指标用于衡量系统对于网络设备或链路传输能力的需求。当网络吞吐量指标接近网络设备或链路最大传输能力时,则需要考虑升级网络设备。网络吞吐量指标主要有每秒有多少兆流量进出,一般情况下不能超过设备或链路最大传输能力的70%。

四、中间件指标

常用的中间件例如Tomcat、Weblogic等指标主要包括JVM、ThreadPool和JDBC,具体如下:

各项指标参考标准:

(1)当前正在运行的线程数不能超过设定的最大值

系统性能较好的情况下,线程数最小值设置50和最大值设置200比较合适。

(2)当前运行的JDBC连接数不能超过设定的最大值

系统性能较好的情况下,JDBC最小值设置50和最大值设置200比较合适。

(3)GC频率不能频繁,特别是FULL GC更不能频繁

系统性能较好的情况下,JVM最小堆大小和最大堆大小分别设置1024M比较合适。

五、数据库指标

常用的数据库指标主要包括SQL、吞吐量、缓存命中率、连接数等等,具体如下:

参考标准:

(1)SQL耗时越小越好,一般情况下微秒级别;

(2)命中率越高越好,一般情况下不能低于95%;

(3)锁等待次数越低越好,等待时间越短越好。

六、稳定性指标

这里的稳定性是指最短稳定时间,即系统按照最大容量的80%或标准压力(系统的预期日常压力)情况下运行,能够稳定运行的最短时间。

一般来说,对于正常工作日(8小时)运行的系统,至少应该能保证系统稳定运行8小时以上;对于7*24运行的系统,至少应该能够保证系统稳定运行24小时以上。如果系统不能稳定的运行,上线后,随着业务量的增长和长时间运行,将会出现性能下降甚至崩溃的风险。

参考标准:

(1)TPS曲线稳定,没有大幅度的波动;

(2)各项资源指标没有泄露或异常情况。

最后感谢每一个认真阅读我文章的人,礼尚往来总是要有的,虽然不是什么很值钱的东西,如果你用得到的话可以直接拿走:

这些资料,对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库,这个仓库也陪伴我走过了最艰难的路程,希望也能帮助到你!凡事要趁早,特别是技术行业,一定要提升技术功底。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1129227.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Neo4j图数据库整合MGeo:构建智能地理知识网络

Neo4j图数据库整合MGeo:构建智能地理知识网络 在城市计算、物流调度、位置服务等场景中,海量地址数据的标准化与实体对齐是构建高质量地理信息系统的前提。然而,中文地址存在表述多样、缩写习惯差异、层级结构不统一等问题,导致传…

AI辅助设计落地:M2FP解析模特姿态用于服装打版参考

AI辅助设计落地:M2FP解析模特姿态用于服装打版参考 在现代服装设计流程中,从概念草图到实物成衣的转化高度依赖于精准的人体结构理解与服装版型适配。传统打版工作多依赖设计师经验,对模特姿态、体型比例的判断存在主观性和耗时性。随着AI视觉…

企业级AI系统构建:M2FP作为微服务模块集成至主架构

企业级AI系统构建:M2FP作为微服务模块集成至主架构 在现代企业级AI系统中,语义分割技术正逐步从实验室走向真实业务场景。尤其是在智能零售、安防监控、虚拟试衣和人机交互等领域,对“人体解析”这一细分任务的需求日益增长。传统目标检测或…

DDU官网技术参考:M2FP可用于数字人驱动前处理环节

DDU官网技术参考:M2FP可用于数字人驱动前处理环节 🧩 M2FP 多人人体解析服务:为数字人驱动提供精准结构化输入 在构建高质量数字人系统的过程中,动作捕捉与姿态驱动是核心环节。然而,在将原始图像或视频输入至驱动模…

快速验证MGeo效果:Jupyter Notebook交互式测试法

快速验证MGeo效果:Jupyter Notebook交互式测试法 背景与应用场景 在中文地址数据处理中,实体对齐是构建高质量地理信息系统的前提。由于中文地址存在表述多样、缩写习惯差异、层级结构不统一等问题,传统字符串匹配方法(如Levens…

跨平台部署实践:M2FP在Windows/Linux/macOS均稳定运行

跨平台部署实践:M2FP在Windows/Linux/macOS均稳定运行 📖 项目背景与核心价值 在计算机视觉领域,人体解析(Human Parsing) 是一项关键的细粒度语义分割任务,目标是将图像中的人体分解为多个语义明确的身体…

Z-Image-Turbo包装设计预览:产品外包装视觉效果模拟

Z-Image-Turbo包装设计预览:产品外包装视觉效果模拟 阿里通义Z-Image-Turbo WebUI图像快速生成模型 二次开发构建by科哥 在现代消费品行业中,产品外包装的视觉呈现直接影响消费者的购买决策。传统包装设计流程依赖设计师反复修改、打样、评审&#xff…

MGeo在智慧交通地址库建设中的价值体现

MGeo在智慧交通地址库建设中的价值体现 引言:智慧交通中的地址标准化挑战 在智慧交通系统中,精准的地址信息是实现路径规划、事故定位、调度优化等核心功能的基础。然而,现实场景中的地址数据往往存在大量非结构化、表述多样、拼写错误等问…

推理步数对Z-Image-Turbo生成质量的影响深度评测

推理步数对Z-Image-Turbo生成质量的影响深度评测 引言:为何推理步数是图像生成的关键参数? 在AI图像生成领域,推理步数(Inference Steps) 是影响生成质量与效率的核心超参数之一。阿里通义推出的 Z-Image-Turbo WebUI …

Z-Image-Turbo高并发请求压力测试初步尝试

Z-Image-Turbo高并发请求压力测试初步尝试 阿里通义Z-Image-Turbo WebUI图像快速生成模型 二次开发构建by科哥 运行截图 背景与目标:为何进行高并发压力测试? 随着 AI 图像生成技术在内容创作、广告设计、游戏资产生产等场景的广泛应用,服…

常见的22个软件测试面试题(含答案解析)

大家好,我是雨果给大家列举了API测试的22个面试题,快来看看吧。 1、什么是API? API是允许两个应用程序相互通信的代码。API使开发人员能够发出特定的调用或请求来发送或接收信息。 2、什么是以API为中心的应用程序? 以API为中心的应用程序是使用与…

Z-Image-Turbo元宇宙场景构建:虚拟空间、建筑群落生成

Z-Image-Turbo元宇宙场景构建:虚拟空间、建筑群落生成 引言:AI驱动的元宇宙内容生产新范式 随着元宇宙概念从愿景走向落地,虚拟空间与建筑群落的高效构建成为制约其发展的核心瓶颈。传统3D建模流程耗时长、成本高、人力密集,难以满…

Z-Image-Turbo英文提示词结构设计技巧

Z-Image-Turbo英文提示词结构设计技巧 引言:从中文到英文提示词的进阶之路 随着阿里通义Z-Image-Turbo WebUI图像生成模型的普及,越来越多用户开始探索如何通过精准的提示词(Prompt) 提升生成图像的质量与可控性。虽然该工具支持中…

跨境物流清关辅助:MGeo标准化申报地址

跨境物流清关辅助:MGeo标准化申报地址 在跨境物流与国际贸易场景中,商品申报信息的准确性直接关系到清关效率、合规性以及整体供应链成本。其中,申报地址的标准化与一致性校验是长期存在的痛点——不同国家、地区甚至平台间对同一物理位置的…

3D打印晶格结构全解析:原理、类型、实践路径与应用

晶格结构,正在成为新一代三维设计师的“必修课”。在过去几年,晶格结构在3D打印领域迅速崛起,已广泛应用于汽车零部件、医疗植入物、高性能跑鞋乃至登山背包等产品中。无论是轻量化设计、功能优化,还是外观创新,晶格结…

Z-Image-Turbo京剧脸谱艺术生成效果

Z-Image-Turbo京剧脸谱艺术生成效果 阿里通义Z-Image-Turbo WebUI图像快速生成模型 二次开发构建by科哥 运行截图 核心价值:本文将展示如何利用阿里通义Z-Image-Turbo这一高效AI图像生成模型,结合WebUI界面进行二次开发,实现高保真、风格化…

MGeo在摄影机构外景拍摄地管理中的应用

MGeo在摄影机构外景拍摄地管理中的应用 引言:外景管理的痛点与MGeo的引入契机 对于中小型摄影机构而言,外景拍摄地的管理长期面临信息冗余、地址混乱和资源调度低效的问题。同一景点常因录入人员不同而出现多种表述方式,例如“杭州西湖断桥残…

人体解析总是颜色混乱?M2FP内置算法确保Mask可视化一致性

人体解析总是颜色混乱?M2FP内置算法确保Mask可视化一致性 📖 项目简介:M2FP 多人人体解析服务 在当前计算机视觉领域,人体解析(Human Parsing) 已成为智能穿搭推荐、虚拟试衣、动作分析等应用的核心技术。…

数据集扩展建议:如何用M2FP生成增强样本提升训练质量

数据集扩展建议:如何用M2FP生成增强样本提升训练质量 📖 项目背景与核心价值 在深度学习模型的训练过程中,高质量、多样化的数据集是决定模型性能上限的关键因素。尤其在人体解析、姿态估计、虚拟试衣等视觉任务中,对身体部位的…

如何用MGeo提升社区卫生服务中心覆盖率统计

如何用MGeo提升社区卫生服务中心覆盖率统计 引言:从地址数据混乱到精准服务覆盖分析 在城市公共卫生管理中,社区卫生服务中心的服务覆盖率统计是衡量基层医疗资源配置合理性的关键指标。然而,在实际数据整合过程中,一个长期存在的…