一.性能测试技能：
测试工具，linux系统，代码能力，环境部署，web前端，中间件，数据库，网络协议
二.性能理论：
1.面试题：性能测试的意义
2.什么样的系统需要做性能测试
用户量比较大，pv较高
系统核心模块/接口
业务逻辑/算法比较复杂
促销/活动推广
- 性能测试场景
新系统，新项目
线上性能问题验证和调优
新技术选型：不同系统，性能技术也不一样。需要多少台机器
日常性能回归：建立一次回归的机制，上线一些功能或模块，造成性能下降
三．性能指标
- TPS事务，每秒处理的事务数。事务完全是由用户决定的
- QPS，数据库有一个指标，是查询。用qps来表示，叫法不一样说的是一回事
- 平均效应时间，客户端-网络设备-中间件(tomcat,apach)-应用程序-DB
(1) 响应时间 = 网络传输总时间+各组件业务处理时间
(2) 平均响应时间 = 在测试过程中，所请求的平均时耗
(3) 面试题：在一个请求过程中，一个请求时间过长，会有那些因素
中间件，发生问题最大的就是应用程序
数据库：数据量越大，性能就会下降。出现概率最大的是应用程序和数据库
- 局域网内压测，是没有网络带宽的。
- 关注的最重要两个指标，平均响应时间和tps
四．Top响应时间
Tp90(90%响应时间)：90%的请求耗时都是低于某个时间。这个某个时间是指将响应数据 倒序之后低于90%的值
Tp95
Tp99
通常某些请求的时间会拉高数据，将这些时间刨除掉
五．并发数
1.并发数/虚拟用户数
并发线程/进程数量来模拟用户
- 成功率：大于100%
- Pv：页面或接口的访问量
- Uv：页面/接口的每日唯一访客，日活用户数
- 吞吐量：网络中的流量，Tps越高，吞吐量越大。上行流量和下行流量的总和
- 100m带宽指的是下行，上行是30m
- 公式：响应时间为秒的时候
① Tps = 1/响应时间*并发数
② tps = 并发数/响应时间
③ 在系统达到性能瓶颈之前，tps和并发数成正比关系
④ 响应时间越长，tps越低
八．
八系统监控指标
- 操作系统，中间件，数据库，应用程序
九．性能测试流程
需求调研：
需求背景
测试范围
业务逻辑/数据流向
系统架构
配置信息（运维）
测试数据量
外部依赖
系统使用
日常业务（产品）
预期指标（研发）
上线时间
测试计划
测试场景：基准值
单交易负载测试：来源于电商业务，单业务或者单接口 p0(重要)
混合场景测试：整个场景最高的一个性能值，需要多次压测才能得到 p0(重要)
高可用性测试：主从结构
异常测试场景：网络延迟，丢包，弱网
稳定性场景：要测一个长期的时间 例如24/48/64小时。最少8小时 p0(重要)
环境搭建
测试机器配置尽量要和线上保持一致
系统版本一致
环境部署最小单元
应用，中间件，数据库一致
数据准备
业务接口：通过调用接口造数据，最好使用业务接口造数据
存储过程：写sql造数据，速度比较快。业务关系比较复杂
脚本导入：写脚本调用数据库造数据，适合做数据逻辑比较复杂的
数据量级： 测试数据
基础数据(活跃数量，用数据把表撑起来，用一下部分造数据)
测试脚本压测执行
协议
参数化
检查点
关联
分布式执行：部署多台
监控：linux，jvm，数据库
数据分析，瓶颈定位
调优回归：
需要团队完成
LR创建录制脚本时设置
设置内置浏览器，
内置浏览器功能-tools-gen-选第一个
设置循环次数
创建随机参数
检查语法错误
扩展日志设置
文件参数化
模拟并发用户数
选择Unique注意选项
