一、需求分析
1、测试目的
为什么测？目的在于测试系统相关性能能否满足业务需求。通常分以下两种情况：
1）新项目上线
2）老项目优化
如果是老项目优化，可考虑是否存有历史测试方案，如果有可以参考，可以省事很多
2、测试对象
要测啥？
测试对象可以归结为“业务功能”。测试前，需要了解我们需要测试的业务功能（不深入细节）有哪些，比如“购买商品”、“寄送快递”等
有没有必要测？
需求来源哪里？，有没有数据支撑测试这个需求的必要性？
通常，可以从以下几个方面考虑：
1）是否核心功能，是否要求严格的质量
2）是否常用、高频使用的功能
3）可能占用系统较多资源的功能
4）使用人数是多，还是少
5）在线人数是多，还是少
3、拆分对象
先从业务上来分，实现这个完整的功能包含哪些流程、环节
举例：购买商品
登录 → 搜索商品 → 提交订单 → 支付订单 → 退出
1）从功能实现上来看，怎么实现这个完整功能的
2）通常这些业务功能操作都对应着一个或多个请求(可能是不同类型的请求，比如http, mysql等)
3）我们要做的是找出这些操作对应的请求，请求之间的顺序是怎么样的
4.、指标分析
分析性能需求指标（如“支持300人并发登录”）是否合理
有必要测试这个需求，考虑需求指标是否合理？有没有数据支撑？
通常，支撑数据可以从以下方面考虑：
1）采样时间段内系统使用人数
2）采样时间段内系统在线人数
3）采样时间段内系统(页面)访问量
4）采样时间段内的请求数
常用分析思路：
1）2/8法则
2/8法则：80%的业务量在20%的时间里完成。这里，业务量泛指访问量，请求数，数据量等
2）正态分布
3）按比例倍增
4）响应时间2-5-8原则
就是说，一般情况下，当用户能够在2秒以内得到响应时，会感觉系统的响应很快
当用户在2-5秒之间得到响应时，会赶紧系统的响应速度还可以
当用户在5-8秒以内得到响应时，会赶紧系统的速度很慢，但是还可以接受
而当用户在超过8秒后仍然无法得到响应时，会感觉系统糟糕透了，或者认为系统已经失去响应。
注意：这个要根据实际情况，有些情况下时间长点也是可以接受的，好比 12306
以下举例摘自性能案例：
某公司后台监控，根据一段时间的采样数据，分析得出日高峰时段(11:00-14:00)用户下单请求数平均为1000，峰值为1500，根据这个计算并发请求数
时段：3个小时 → 3 x 60 x 60 = 1080s
业务量：1500
吞吐量：1500 * 80% / (1080 * 20%) = 5.56请求数/s
假设用户下单遵循正态分布，那么并发请求数峰值会肯定大于上述估算的吞吐量
注：
1、2/8原则计算的结果并非在线并发用户数，是系统要达到的处理能力（吞吐量）
2、如果要求更高系统性能，根据实际情况，也可以考虑1/9原则或其它更严格的算法
3、以上估值只是大致的估算，不是精确值
举例2：
想了下，暂时没想到啥好的例子，大致就说一些涉及到数据量的性能测试，比如报表统计，或者是大数据挖掘，查询等，怎么去估算数据量？
数据生命周期：
一般来说，数据都是有一定的生命周期的，时间的选取需要结合数据周期考虑。这里假设3年后系统性能仍然需要满足业务需求。
数据增长率：
如果是老项目，可以考虑对应功能主表历史数据存放情况
这里假设按年统计，比如第一年 10000，第二年 15000，第三年 20000，第四年25000，那么我们得出，以第一年为基准，数据增长率分别为 0.5，1，1.5，每年在上一年的基础上，以5000的速度增长
预估3年后，数据增长率为 3，需要测试数据量为 （1+3）x 10000 = 40000
注：
1、实际数据一般是没上面举例那么规律的，只能大致估算数据增长率。
2、一些大数据量的性能测试除了和数据量相关，还涉及到数据分布等，比如查询，构造数据时需要结合实际，尽量贴近实际。
3、不同业务模块，涉及表不一样，数据量要求也是不一样的，需要有区别的对待。
如果是新项目，那就比较不确定，除非能收集相关的数据