如果你對效能測試感興趣，但是又不熟悉理論知識，可以看下面的系列文章
https://www.cnblogs.com/poloyy/category/1620792.html
學習前的認知
我們在學習效能測試之前，需要有個新的認識：效能測試，不再是像功能測試一樣單純的找 Bug，而是去找效能指標
轉變思維
- 在做功能測試、自動化測試的時候，我們基本都是依託介面進行測試，也稱 GUI 測試，我們的目的就是為了跑通功能、程式，併成功找到 Bug
- 但在做效能測試的時候，我們大部分是 headless 模式（所謂的：無頭，無介面模式），目的不再是單純的為了找到 Bug，而是要分析效能指標等等（後續講到）
效能測試的時間一般會比自動化、功能測試長，為啥？
- 因為效能測試的步驟跟自動化、功能測試的步驟不一樣，比如說前期的準備（瞭解系統，環境搭建），後期的壓力測試（7*24h）等等
- 在後面，我們通過講述效能測試步驟來仔細瞭解
效能測試一定要工具，手工不行嗎？
- 效能測試是模擬系統在被很多很多使用者同時使用時，系統能不能正常使用和提供服務
- 重點：很多很多使用者
- 功能測試：一個人點點點就知道功能通不通，有沒有 Bug 了
- 效能測試：用手工的話，可以模擬幾個、十幾個使用者，但是當需要模擬上千萬個使用者時，手工又怎麼模擬資料量多的場景呢？
- 類比，吃飯場景：一個人可以吃好幾碗，但是叫你吃幾百碗是不可能的
- 結論：工具就可以模擬大資料量的場景，可以做到人做不到的事情
大資料量測試是效能測試嗎？
大資料量測試
簡單理解：一個介面返回的資料比較多（假設：不使用分頁，把所有資料同時返回）
結論
- 返回大資料量的介面的響應時間會變長
- 這麼大的資料量，我們需要考慮：網路傳輸資料、伺服器查詢這些資料、伺服器處理這些資料等等分別需要多少時間
- 這已經跟響應時間掛鉤，所以已經屬於效能測試的範圍，但不歸納於效能分析範圍
大資料測試是效能測試嗎？
大資料測試的功能屬於功能測試哦
效能測試過程發現問題需要立即提交嗎？
在效能測試過程中發現一些問題，假設定位到某一段程式碼有問題，可以截圖提交 Bug 給開發，但這並不是我們效能測試的最終目的，最終目的是找出效能指標
有哪些效能指標？
- 比如說響應時間：10個人、100個人 、1000個人 、10000個人向伺服器發起請求，伺服器響應請求的平均響應時間是多少，這就是一個指標
- 又好比TPS：伺服器在當前的配置下，不同使用者數發起請求，伺服器的 TPS 處理能力是多少，這也是一個指標
- 後續詳細介紹
效能測試中發現的 Bug
- 效能測試過程中發現的 Bug 屬於一個衍生品，並不是最終得到的結果
- 但像功能測試，最終目的就是為了找出 Bug
關於這個問題的總結
- 做效能測試，當資料量變大後，會出現連線超時、連線拒絕、500、502等異常問題；在效能測試中，這些異常問題基本都會出現的，但不會去立即提 Bug
- 對於效能測試工程師，我們要做的是分析為什麼在當前資料量下會出現連線超時、連線拒絕，響應時間超時、伺服器異常等異常問題
- 這就需要我們去分析效能瓶頸，並不會單獨去看某個異常問題出現在哪裡，而是分析為什麼會出現這個異常問題，分析的是伺服器或者是程式碼，而不是讓開發人員馬上來修復這些異常問題
我們常說的壓測是指壓力測試嗎？
- 並不是，而是指負載測試，一般都是為了找出系統的最大負載量
- 就好像你老闆說：你去壓測下，看看系統能支撐多少使用者同時訪問我們的系統
什麼是效能測試？
狹義理解
- 通過工具，找出或獲得系統在不同工況下的效能指標值
- 效能測試過程中，重點是找出效能指標，而不再是找出 Bug，
- 效能測試的產出絕對不只是 Bug
場景類比
跑步100米，用時多少？運動員的心跳、步伐頻率是多少？
- 跑步100米：業務場景
- 用時多少：響應時間
- 運動員的心跳、步伐：效能指標值
效能指標值和響應時間是否滿足當前業務場景的最低要求（合格線）
什麼時候能找出效能指標值
假設當前有一個業務
電商系統，下單業務，目前還不知道系統支援多少人同時下單，那麼我們需要找到伺服器能正常支援多少人同時下單
效能測試初始階段（第一次做）
- 先把基礎的效能指標值找出來（第一次效能測試也叫做基準測試）
- 比如：100個人同時下單系統正常，但120個人同時下單就會出現部分請求的響應時間超長，連線異常
- 那麼100-120範圍內的某個值就是當前伺服器能達到的效能指標值（基準值）
版本迭代，進行第二次做效能測試，重新跑一遍之前的效能指令碼
- 又會得到一些效能指標值，對比上個版本的效能指標值，看是否有優化（效能變化）
- 假設這個時候120個人同時下單是正常的，150個人才有異常，那麼介面已經有優化了
假設公司是從0開始做效能測試
- 第一階段：做好效能測試，得到效能指標值
- 第二階段：假設效能比之前差，哪些效能指標值不滿足預期值，就需要分析是哪裡有問題
廣義理解
- 只要與伺服器效能指標相關的測試都屬於效能測試
- 比如：響應時間、併發使用者數、伺服器處理能力、吞吐量等效能指標
- 負載測試、壓力測試、容量測試、可靠性測試都屬於效能測試
- 通常嘴巴上說的做效能測試就是廣義的效能測試，它包括了很多內容，並不只是針對某一個測試型別
什麼是負載測試？
概念
- 逐步增加系統負載，測試系統效能變化，並最終確定系統所能承受的最大負載量
- 通俗理解：看看你幾斤幾兩
如何增加負載
通過增加“使用者數”，就是常說的併發數
場景類比
天平秤，稱東西的時候，需要逐步加砝碼，最終達到砝碼和物品重量的平衡點，因為它不可能一下子就達到平衡點【好比不可能一下子找到系統能承受的最大負載量】
- 稱東西：業務場景
- 加砝碼：逐步加壓
- 達到平衡點：找到最大負載量
實際場景
- 有一個業務，增加到40個人的時候，伺服器還能正常使用，沒有異常
- 當你增加到50個人的時候，伺服器已經開始有異常了，那麼就能確定40-50之間某個值就是系統所能承受的最大負載量【出現效能拐點，找到了伺服器效能瓶頸的範圍值】
- 最後減小加壓梯度（比如：從40個人開始每次增加1個人、2個人），確認最大負載量【確認效能拐點】
伺服器又有哪些可能會出現的異常呢
- 響應時間超長：正常伺服器處理請求時間是 1s，但現在變成3s - 5s
- 服務報錯：無法同時正常響應多個請求
- 伺服器當機：系統完全用不了
什麼是壓力測試？
概念
- 在較大的效能壓力下，持續執行一個比較長的時間，看看系統服務是否正常及系統資源的利用率情況
- 通俗理解：鴨梨山大！
- 關鍵字：較大壓力 + 較長時間
- 注意：不是滿負荷壓力哦
場景類比
問：大傢什麼時候會覺得工作壓力大？
答：996、007；因為你不會覺得955壓力山大吧
結論：所以在我們日常工作中，長時間工作強度高，才會覺得壓力大；如果你一週就加班一天也說壓力大...（那就別幹這一行了）
壓力測試用來幹嘛的
測試系統的穩定性
類比
工作壓力大，你還能堅持下去（那穩定性肯定好吧），那如果你很快就離職了（那穩定性肯定差，都當機罷工了）
什麼時候會做壓力測試
- 生產環境下，系統隔三差五的出現不穩定的情況
- 這個時候，就需要通過壓力測試去測試系統的穩定性情況
啥情況算不穩定？穩定性差？
隔三差五的出現下面的情況
- 服務異常：響應錯誤、響應時間超時等
- 伺服器出現異常：當機
怎麼分析是服務異常還是伺服器異常
- 如果所有請求都是一片紅，應用程式傳送的所有請求都報紅，就是伺服器出現了異常
- 如果有些請求偶爾成功響應，偶爾又失敗，則是服務異常，出現不穩定的情況
如何取壓力值
- 在負載測試中，我們確認了系統所能承受的最大負載量
- 壓力值 < 最大負載量，一般取80%左右
靈魂拷問
負載測試一般時間比較短，壓力測試時間比較長，持續執行時間短就能正常使用，但持續執行時間長就可能崩掉了，這是什麼原因呢？
場景類比
- 栗子一：電腦保持開機狀態很長時間，會逐漸變卡，因為記憶體的東西會越來越多，得不到有效的回收， 就會越來越卡
- 栗子二：當你經常工作壓力很大，且你的心理所能承受的壓力逐漸達到最大值時，你就可能會選擇離職
總結
壓力測試長時間執行，可能會逐漸增加系統的記憶體佔用空間，若得不到有效的記憶體回收，當達到記憶體最大值時，系統就會崩掉
壓力測試持續執行時間要多久？
- 標準效能測試裡面，一般是7*24小時，或者是它的倍數
- 但是實際工作中，並不會這麼久，否則成本太高
- 所以會以小時為單位，比如：4個小時、8個小時...晚上下班之後做，第二天早上上班看結果
先負載測試還是壓力測試？
- 先負載測試
- 負載測試可以找到伺服器效能瓶頸的範圍值，若生產環境中系統穩定性較差，再做壓力測試
- 所以壓力測試是可做可不做的
什麼是可靠性測試？
概念
- 在給定的一定的業務壓力下，持續執行一段時間，檢視系統是否穩定
- 關鍵字：是否穩定，一定業務壓力
- 注意：不是較大壓力哦
業務場景栗子
電商秒殺場景，幾十個商品幾十萬個人同時秒殺搶購
如何理解可靠性測試
- 編寫效能指令碼：假設一秒內有一萬個人同時發起請求
- 有壓力嗎？有，一萬個人同時發起請求
- 但是持續時間短，不像壓力測試一樣需要持續一段時間
- 目的是為了驗證當這麼多人同時發起請求時，成功秒殺的使用者能否繼續完成後續下單付款等操作【一定業務壓力下，系統是否穩定執行】
什麼是容量測試？
概念
- 在一定的軟、硬體條件下，在資料庫不同資料量級資料量的情況下，對系統中讀/寫比較多的業務進行測試，從而獲得不同資料量級下的效能指標值
- 關鍵字：不同資料量級
資料庫資料量對效能測試結果有沒有影響？
肯定有
- 比如資料庫已經有幾百條資料和幾百萬條資料，查詢的速度肯定不一樣，所以肯定會影響效能測試結果
- 資料量級的差異，會影響TPS、響應時間、網路等
場景類比
從一袋米中找一個綠豆，和一碗米中找一個綠豆，找的時間肯定是千差萬別的
效能測試的前提
必要性，是否有做效能測試的必要（關鍵項評估）
- 主管部門、監管部門審查
- 涉及生命財產安全
- 大型新系統
- 核心系統
- 架構調整
- 業務劇增
- 重大缺陷修復
可測性，可量化為效能指標值
一般有需求文件，根據老闆或者產品提出的需求，我們需要將裡面的內容量化為效能指標值，這是我們的預期結果，如果無法量化的話，我們就沒有預期效能指標值，在效能測試完成得出效能指標值後，沒有可對比的值，那就不知道是否滿足需求的需要
開展效能測試必備條件
網路要求
內網（zoom域） 外網獨立分開，千萬不要用跨內網外網
獨立環境
功能測試不能和效能測試共用環境（測試環境）
- 在做負載測試的時候，會短時間內佔用大量的系統資源，如果此時有功能測試正在進行中，很可能會導致功能的不穩定或異常
- 在做壓力測試的時候，會長期佔用系統的資源，導致一段時間內無法穩定進行功能測試
不能使用測試環境、生產環境
- 生產環境有真實使用者的各種資料，資料量肯定非常龐大【使用者資料】
- 效能測試模擬大資料量測試，最終可能也會產生非常多的資料【產生資料】
- 這樣一來，真實使用者的資料+效能測試產生的資料混在一起，生產環境的資料量翻倍變多，會影響伺服器對真實使用者請求的響應時間【資料量變大，影響響應時間】
- 效能測試產生的資料屬於髒資料，不應該出現在生產環境中，所以效能測試不能在生產環境中進行，但硬體環境要儘可能一致【髒資料】
結論
- 所以，做效能測試需要有單獨的一套環境，且硬體環境最好和生產環境一致
- 這樣效能測試最終得到系統所能承受的最大負載量會更接近在生產環境中，系統所能承受的最大負載量
效能測試步驟
效能測試準備
- 需求分析，熟悉業務：確定需要重點關注的點，如TPS、響應時間
- 明確效能測試目標（預期效能指標值）
- 瞭解軟體功能、架構
- 指定測試計劃，做好工作量評估
- 制定測試模型（編輯測試用例）：比如負載測試，場景如何設計
搭建效能測試環境
- 工具選型與準備
- 被測系統環境搭建（伺服器、服務版本更新、資料庫資料準備）
- 網路配置
效能測試指令碼開發
- 選取協議
- 製作指令碼
- 除錯指令碼
- 驗證指令碼
效能測試執行
真正開始對伺服器進行效能測試
- 試執行
- 場景執行
效能測試結果分析與調優
- 分析依據：結果圖表
- 分析思路：伺服器硬體瓶頸>網路瓶頸>伺服器os瓶頸（引數配置、資料庫、web伺服器）>應用瓶頸（sql語句、資料庫設計、業務邏輯、演算法）
- 調優
- 修改指令碼或場景
伺服器硬體瓶頸
如果效能測試環境和生產環境的硬體相差甚遠，那麼很明顯就是硬體的問題，也不用去分析後面可能會導致瓶頸的原因了
效能測試報告與結果跟蹤
- 效能測試報告
- 效能測試問題跟蹤