性能测试需求分析 业务PV量,响应时间QPSTPS
Posted 烟雨琼楼
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了性能测试需求分析 业务PV量,响应时间QPSTPS相关的知识,希望对你有一定的参考价值。
一、 性能测试需求分析
1.1 性能测试需求内容
性能测试需求应包括以下内容:
a) 测试场景及用例,用例访问URL;
b) 目标接口方法的入参、出参;
c) 外部依赖的服务细节;
d) 关键数据: 数据量、高峰业务PV量
e) 预期性能指标:响应时间、QPS、TPS等
性能测试需求模板表格参考如下:
性能测试(1) ---性能测试需求收集
1.2 预期性能指标1.2.1数据量
测试环境的数据量,应该跟线上环境保持一致,至少要在一个数量级。
举例有,中文站线上的每秒登录用户数据量平时为20个,特殊情况下,每秒为10万,那么测试环境要保证正常情况下在20个左右,至少是十的数量级,性能测试特殊情况下,要准备十万级的数据量,模拟最高并发用户数据量。
1.2.2高峰业务PV量
1) 二八法
若80%的访问量集中在20%的时间里,可用此分析方法,其图形就是一个正态分布图,如下。
具体计算公式为:
tps = (24小时的PV值*80%)/(24*3600*20%)
举例有,假如中文站每日的访问量为500万,其中19:00-23:40,访问量为400万,其余时间段的访问量很平坦,而且其余时间段的总访问量为100万,那么就可以用二八法,其计算公式为 tps = (500万*0.8)/(24*3600*0.2)。
2)简单峰值法
若在每天的某一时段里有很大的访问量,其他时间相对较少,可以用简单峰值法,其实二八法只是简单峰值法的一个特例。
具体计算公式为:
tps =(24小时的PV值)/(峰值时间段中的小时数*3600)
举例有,假如中文站每日的访问量为500万,其中17:00-24:00这个时间段里面访问量为450万,其他时间段的访问量很平缓,那么,我可以用简单峰值法近似计算,其计算公式为 tps = 500万/((24-17)*3600)
3)无峰值法
若24小时里的访问量都是平稳波动的,没有峰值,那么可以采用无峰值计算方法,图形如下。
具体计算公式为:
tps= (24小时的PV值)/(24*3600)
举例有,假如中文站每日的访问量为500万,每小时的访问量都为20万左右,那么,可以用无峰值法来近似计算,其计算公式为 tps = 500万/(24*3600)。
1.2.3吞吐量
指软件系统在每单位时间内能处理多少事务/请求/单位数据等,
其与tps的近似计算公式为:(单位为秒)
tps = 这段时间内的总样本数/(最后一个请求完成的时刻-第一个请求发起的时刻)
可以这样举例,假如,在17:58的0 秒发起第一个请求,在18:02分0秒完成最后一个请求,在这4分钟整的期间,共处理的总的样本数为1000个,那么,可以这样近似计算:
tps = 1000/(4*60)
值得注意的是,因为每个请求之间的空闲值也包含在内了,故tps是有误差的,而且tps是个平均值。
来源: <http://blog.sina.com.cn/s/blog_639aa08501010kkr.html>
需求收集之后,我们已经从性能需求文档中提取出了业务性能测试指标,主要包括PV到TPS的转换以及响应时间要求,接下来我们需要进行进一步的需求分析过程。
1了解系统架构、明确压力流向
例如统一订购平台的系统架构图:
理解架构图中各个节点的功能与交互关系,通过系统架构图我们能看到压力的入口,即oop应用。请求从oop发起,从udb取到会员数据后,通过dubbo接口,调用订购服务层提供的各种服务,订购服务层所需数据全部从对应cache中取。因此,主干压力流向可得知:
Oop—>udb
Oop—>dubbo—>订购服务层—>cache
然后结合需求文档,根据具体业务场景,确定各分支压力流向,比如有的业务场景需要从pc2取得用户的服务记录,有的业务场景需要付款则需要去帐户中心取得帐户信息,则新增的压力流向如下:
Oop—>dubbo—>pc2—>cache
Oop—>dubbo—>帐户中心
针对每一个测试场景,都要根据系统架构图进行上述分析,明确了各场景的压力流向,即明确了性能测试过程中的监控对象。
监控对象确定后,需要进一步分析明确测试重点,如上例,我们关注的重点是网站的oop应用,因为平台的udb、pc2,crm的服务订购中心,都有各自做过接口性能测试。或者有的所用应用功能是线上已有的,并没有修改变动,如帐户中心。明确测试重点,将有助于我们进行测试环境相关的测试策略的选择。
2 明确测试环境2.1 服务器数量确定
根据系统架构图,我们得到了项目中所涉及的环境。众所周知,测试环境越接近生产环境,则测试结果越精确。但通常我们会碰到服务器资源紧张,或者所用应用为外部门的外围环境,搭建方法复杂。此时我们面临两种选择,要么使用功能环境,要么mock掉该环境。建议不要选择前者,可以多个压力流向小的应用公用一台性能服务器。
2.2 服务器配置确定
还是一条不变的原则:测试环境软硬件配置尽量与生产环境保持一致。
机器的性能需求:32位or64位;4核or8核;是否要求同一网段
测试环境软件架构确定(jdk、apache、jboss版本、jvm参数):与线上环境一致,重点关注jvm参数配置,确保与线上一致。
性能测试关注的主要硬件配置及OS参数如下表:
主机/ip
硬件配置
操作系统及参数调整
10.20.133.165
统一订购层应用服务器
机型
PowerEdge 1950
Linux 2.6.18-92.el5
64位操作系统
CPU
Intel(R) Xeon(R) CPU E5410 @ 2.33GHz * 8
内存
10G
网络
1000M
应用服务器配置检查中常用的linux指令:
查看机型: dmidecode --type 1|grep "Product Name"
查看CPU: cat /proc/cpuinfo
查看内存:free -mt
红框内即为本机内存总量
查看网卡:
1)ifconfig 检查服务器连接的哪块网卡(ethx)
上图红框内即为当前活动的网卡
2)ethtool ethx 检查网卡详细信息(ethx为ifconfig检查出来的网卡编号,如上图就为eth0)
上图红框内即为当前网卡带宽(双工模式)
查看操作系统:
uanme -a 查看所有信息
uname -o, --operating-system GNU/Linux
-r, --kernel-release 2.6.18-128.el5(操作系统内核版本)
-i, --hardware-platform x86_64(硬件版本)
-o, --operating-system x86_64(操作系统版本)
3 关键业务数据量分析3.1 数据量需求确认
1) 数据量是指的性能测试需要考虑的数据总量和数据类型。
例如在offer数据量为30w的DB中查询和在offer数据量为1000w的DB中查询,性能表现一定是不一样的。我们需要考虑,现阶段的数据量等级和未来发展趋势下的数据量等级。有的时候数据量也是程序分支逻辑,所以这点就必须详细考虑了。
2) 存储分布指的数据源的分布情况,是分布式分布还是单台分布;是search分布还是DB分布,等等。例如offer拆分项目的性能测试就需要综合考虑Oracle单表、Oracle16张表、mysql128张表的使用场景
3) 基本要求:测试数据库数据量要与线上数据量保持一个数量级。
3.2 造数据方法确定
根据数量级的需要,可以采用不同的方法,大致有以下几种:
1) 找DBA帮忙导线上/测试库数据;
2) 用datafactory/sql直接插数据库;(查看datafactory文档)
界面如图,具体使用方法问google
3) 用jmeter/LR/ruby等脚本走正常业务流造数据。(查看各脚本录制方法)
3.3划分测试场景、明确测试用例
测试用例的产生需要考虑以下几方面:
1) 测试页面和业务逻辑,也就是业务对应的功能点
注意,性能测试的测试用例也需要专一性,也就是对应单个测试功能点。
因为我们监控的是每个事物的响应时间,功能点需要单一。
2) 压力持续时间
压力持续时间指的是给服务器施加多长时间的压力。
这个时间,我们会结合测试场景,对压力时间做一定的控制。
ü 如果测试的是高峰场景,时间一般最少为1个小时;
ü 如果测试的是稳定性场景,时间一般最少要求8小时;
3) 并发数
不要混淆并发和TPS的关系。
并发数指的是同时有多少用户(线程)在对服务器施加压力,是量化的给服务器的压力;而TPS指的是服务器每秒钟能够处理的事物数,是服务器处理能力的体现。
来源: <http://blog.sina.com.cn/s/blog_639aa08501010kkx.html>
以上是关于性能测试需求分析 业务PV量,响应时间QPSTPS的主要内容,如果未能解决你的问题,请参考以下文章