性能测试指标全解

最近在公司做压测时，对于各个监控工具的监控指标一脸蒙，有时候不清晰，有时候理解错误，于是，恶补基础知识，希望对广大网友有所帮助。

一、性能测试指标

1、在线用户数

此指标指的是某个时间段内，在服务器上保持登录状态的用户数，在线用户数不等同于并发用户数，因为，只要用户不向服务器发送请求，就不会对服务器产生影响。

2、并发用户数

在性能测试过程中，一般用的比较多的指标是绝对并发用户数，我们也通常直接将绝对并发用户数直接称为并发用户数。

相对并发用户数：在某段时间内，与服务器保持交互的用户数。

绝对并发用户数：表示同一时间点（准确的说是在足够短的时间内）与服务器进行交互的用户数。

3、思考时间

每个用户操作后的暂停时间，也就是用户两次请求发起的间隔时间，这段时间是对服务器不产生压力的，在压测过程中，如果想要预估实际系统承受的最大压力，要尽可能的模拟用户真正的思考时间。

4、响应时间

响应时间，包含了网络传输请求时间、服务器处理时间、网络传输响应时间，其中，服务器处理时间通常受到代码处理请求的业务逻辑的影响，而且这个时间也是我们重点关心的一个时间，它能反映出我们代码中的缺陷和业务逻辑处理的优化点。而网络传输请求和响应时间，通常情况下取决于网络质量。

5、TP90、TP99、TP999

对于这个指标的定义为：满足90%、99%等的网络请求所需要的最低耗时。举例说明如下：

一个接口6次请求的耗时分别为：100ms、20ms、300ms、40ms、50ms、150ms。将这些时间从小到大排列为：20ms、30ms、40ms、100ms、150ms、300ms。那么TP99的计算过程为：在这6次请求中，取第6的99%(6*0.99 = 5.94，近似于6)次的耗时做为tp99值，从小到大排序后，第6次的耗时为250ms，因此此接口6次请求的TP99的值就是250ms。一般，tp99不能增长太快，且要根据实际情况去确定期望的TP99值。

6、TPS

TPS通常又称为吞吐量，它指的是服务器每秒处理的事务数，是直接反应系统性能的指标，TPS越大，性能越好。

那么TPS和响应时间以及并发用户数之间是什么关系呢？

假如1个用户在1s时间内完成1笔事务，那么TPS=1；

如果某笔业务的响应时间是1ms，那么每秒处理的事务所为1000，也就是说TPS=1000；

如果1个用户在1s只能完成1笔事务，要想达到TPS=1000，那么并发用户量就需1要是1000；

不难得出这样的公式：

设并发数为c，响应时间为t（ms），那么TPS=(1000/t)*c

从公式可以看出，要想提高系统的TPS，有两种方式：增加并发量或者降低响应时间。

降低响应时间只能通过优化代码的方式实现。

提高并发用户数c，而并发用户数通常又和服务器程序的请求处理模型关系密切，如果一个线程处理一个请求，最大并发用户数则取决于服务器能处理的最大线程数；同理，如果是一个进程对应一个请求，那么最大的并发用户数取决于最大进程数。需要说明的是，随着并发用户数的增加，响应时间往往也会随之增大。因此，最大并发用户数要从实际得出才有意义。

二、性能测试基础曲线图

  

 对上图进行分析（x轴为并发用户数）：

先看响应时间：在轻压力区，响应时间变化不大，曲线比较平稳；进入重压力区后，响应时间呈现上升趋势；而进入拐点区后，响应时间增长率增大，响应时间急剧增加。

再看吞吐量：随着并发用户数的增加，吞吐量增加；进入重压力区后吞吐量逐步平稳，到达拐点后吞吐量急剧下降，说明系统已经到了处理极限，

再看资源利用率：随着并发数的增加，资源利用率逐步上升，到达拐点后，利用率急剧下降。

综合来看，随着并发数的增加，资源利用率和吞吐量在增加，说明系统正在积极的处理事务，此时，系统能够承受这些请求量，因此，响应时间是趋于平稳的。但是随着并发数的持续增加，压力逐步增大，吞吐量和利用率达到饱和。随后，吞吐量急剧下降，响应时间急剧上升，说明此时系统已经处于崩溃边缘了。