###
再次系统的整理一下深入一下性能测试
###
一，查看结果树
###
二，聚合报告
Label：就是请求名称
Samples：总线程数，值 = 线程数 * 循环次数
Average：
单个请求的平均响应时间，单位是毫秒，值 = 总运行时间 / 发送到服务器的总请求数，
比如运行一次，时间4毫秒，就是4/1 = 4
Median、90%line、95%line、99%line分别代表50%的用户响应时间、90%的用户响应时间、95%的用户响应时间、99%的用户响应时间，也就是有百分之多少的请求小于这个值。其中，90%line是性能测试中比较重要的一个衡量指标。
Min：最小响应时间，单位是毫秒
Max：最大响应时间，单位是毫秒
Error%：错误率，发生错误的请求 / 总请求数
Throughput：
吞吐量，表示每秒完成的请求数。
这个重点理解一下，比如250/s
就是说按照这个性能，一秒可以处理250个请求，
看上面的截图，904/s，是怎么算出来的，是使用1000/平均值*线程数，为什么是1000，因为我们平均值是毫秒，我们是5个线程运行的，所以是1000/5*5 = 1000 差不多，但是统计有差异，因为jmeter的取样是有时间延迟的，不是最新的，
注意这个吞吐量，我们再实际测试的时候，不能使用图形化界面，因为这个界面也会消耗一些资源的，
并发和tps的关系
并发增加，tps是上升的，但是并发一直增加到一个临界值，tps就不会变大了，如果并发再大，就还是有error了，所以是一个先上升，然后不变，然后报错的关系，
###
对比性能
可以使用python启动一个服务，
然后使用docker 运行一个Nginx启动一个服务，然后看看性能是否有提升，可以访问Nginx的静态网页，
这样就可以看到Nginx部署之后的性能提升情况，
经过测试很明显，Nginx的处理性能，比纯python的要好多了，因为Nginx是一个专业的web服务器
###