目录：导读
前言
性能测试什么时候开始？
一般在系统功能稳定没有大的缺陷之后开始执行。但前期准备工作可以从系统需求分析时就开始：性能目标制定、场景获取、环境申请等。
1、制定性能测试目标
在特定的并发用户数下测试特定场景的响应时间；
在一定的响应时间的要求下来测试特定场景的最大并发用户数；
测试特定场景的TPS；
1）线上系统
对线上系统的日志进行分析以获取到这个系统每个功能的访问情况、最大的并发用户量、平均/最大/最小响应时间。
然后通过每日的增长趋势来确定最大的并发用户数、响应时间参考日志分析的结果，即与平均响应时间相当。
2）全新项目
开发过程相关文档：
项目开发计划书、需求规格说明书、设计说明书等文档都可能涉及性能测试的要求。通过收集这些材料，可以找到初步的性能需求。但这些性能测试需求往往不够准确，需要性能测试人员进行专业的引导。
类似项目：
公司的其他产品或以往项目会累积出一些数据，可以作为参考。
用户使用模型：
分析用户使用模型是获取性能测试需求的有效手段，考虑哪些用户使用系统的哪些典型的业务，在什么时段有多少用户进行了什么功能的操作。
例如：
某OA系统每天早上8:00会有200个用户在10分钟内登录系统；
每天查询交易的高峰是在9:00------11:00和下午的14:00------16:00等，然后根据这个用户使用模型并结合80/20原则计算OA系统的登录以及交易查询业务的并发量。
80/20原则：
80/20原理就是系统在每个工作日有80%的业务是在20%的时间内集中完成，或者系统80%的用户会在20%的时间内集中进行应用操作。
举两个例子说明：
例1：
某网站每日的总访问人数为10万，其中浏览单品页占30%，搜索业务占20%，登录+购买业务占50%。
采用80~20原则，8小时的20%作为基准时间，计算各个业务的并发数。
python
搜索业务：（100000*20%*80%）/（8*3600*20%）=2.78取整为3
浏览单品页：（100000*30%*80%）/（8*3600*20%）=4.17取整为5
登录+购买：（100000*50%*80%）/（8*3600*20%）=6.94取整为7例2：
系统每年的业务集中在8个月完成，每个月平均有20个工作日，每个工作日8小时，按照80/20原则，即每天80%的业务在1.6小时完成。
去年全年处理业务约100万笔，其中15%的业务处理中每笔业务需对应用服务器提交7次请求，其中70%的业务处理中每笔业务需对应用服务器提交5次请求，剩余15%的业务处理中每笔业务需对应用服务器提交3次请求。
根据以往的统计结果，每年的业务增长量为15%，考虑到今后3年的业务发展需要，测试需按现有业务量的两倍进行请求数来计算系统应该达到的TPS。
python
每年的总请求数=(100万*15%*7+100万*70%*5+100万*15%*3)*2=1000万
TPS=(10000000*80%)/(8*20*8*3600*20%)=8.68，取整即TPS=9响应时间标准
python
2秒以内，用户感受良好
2~5秒，用户觉得可以接受
5~10秒，用户会觉得很烦躁，无法接收，会频繁刷新页面
10秒以上，用户完全无法接收，直接离开2、性能测试场景获取
1）线上系统
单场景：
根据对线上系统的日志分析结果，访问量排在前面的功能、本次改动的以及可能会影响到的功能、和钱有关的功能。为保险起见最好再和开发确认一下会影响到的功能。
混合场景：
还是根据线上系统的日志分析结果，得到系统级别的最大并发数，再根据每日的增长趋势做一个增量从而得到最终的最大并发数。然后根据日志分析结果中的各个重要功能的占比数来进行用户分配。
稳定性场景：
确定好单场景和混合场景后，还应该考虑稳定性场景。其目的是测试系统是否有内存泄漏现象发生，同时也可以测试系统的平均无故障时间。
所以，可以用混合场景做长时间的稳定性测试。
2）全新项目
单场景：
重要、核心的功能
常用功能
业务流程复杂的功能
资源占用严重的功能（比如多表查询或向多张表中插入数据）
混合场景：
根据一定的比例把所有重要的功能都加入混合场景
稳定性场景：
可以考虑用混合场景做长时间的稳定性测试。
3、性能测试数据确定
性能测试中很重要的一点就是场景数据的设计。比如一个数据查询场景，如果该场景对应的数据库表只有10条数据，那么查询结果肯定相对较快。
但是，如果这个查询场景对应的数据库表有1000万条数据，那么查询结果肯定会比只有10条数据的查询结果要慢一些。如果性能测试不考虑数据量，那么性能测试的结果是不准确的，上线后由于未考虑数据量的因素而引发的性能问题几率会很大。
对于线上系统来说，各表的数据量可以根据线上系统的各表数据量以及增量来确定。而新系统需要根据开发文档以及和相关项目干系人（如：客户代表、项目经理、需求分析员、系统架构师以及产品经理一起调研和讨论来决定）
4、性能测试用例设计
1）单场景
场景描述：模拟用户进行登录操作
并发量：分别模拟并发用户数为1、10、50三种情况进行测试
压测时间：每次15分钟
数据量：MySQL的user表中有70万账户
集合点：不使用集合点
重点关注指标：响应时间、事物成功率、应用服务器资源使用情况(CPU、内存、IO)、MySQL数据库资源使用情况(CPU、内存、IO)、应用日志是否有死锁等错误、数据库日志是否有死锁等错误、JVM内存使用情况和GC情况
预期指标：响应时间在2秒内、事物成功率为100%、应用服务器和数据库服务器CPU使用率≤60%、没有内存泄漏、数据库死锁、线程死锁等现象
2）混合场景
混合场景不是把所有的测试场景糅合在一起形成一个大的场景，而应该先考虑不同的混合场景组合，如数据库查询操作的混合场景、数据库写操作的混合场景、数据库查询与写操作都包含的大混合场景。
如下：
场景描述：模拟系统不用用户进行数据库读写操作的混合场景，场景包括用户登录、广告词默认查询、新建广告组、广告词默认创建、广告审核、广告生效、广告词按价格排序。
并发量：总共模拟300个用户同时操作，其中登录操作占比20%、广告词默认查询占比25%、新建广告组占比15%、广告词默认创建8%、广告审核10%、广告生效15%、广告词按价格排序7%
压测时间：每次15分钟
数据量：MySQL的cpc表有150万条数据、plan表有10万条数据、group表有50万条数据、audit表有100万条数据，MongoDB的report表有1TB数据、user表有90万条数据。
集合点：不使用集合点
重点关注指标：响应时间、事物成功率、应用服务器资源使用情况(CPU、内存、IO)、MySQL数据库资源使用情况(CPU、内存、IO)、应用日志是否有死锁等错误、数据库日志是否有死锁等错误、JVM内存使用情况和GC情况
预期指标：登录、广告词默认查询、新建广告组等操作响应时间在2秒内，广告词默认创建、广告审核、广告生效、广告词按价格排序等操作响应时间在3秒内，事物成功率为100%、应用服务器和数据库服务器CPU使用率≤60%、没有内存泄漏、数据库死锁、线程死锁等现象
3）稳定性场景
场景描述：模拟系统不用用户进行数据库读写操作的混合场景，场景包括用户登录、广告词默认查询、新建广告组、广告词默认创建、广告审核、广告生效、广告词按价格排序。
并发量：总共模拟300个用户同时操作，其中登录操作占比20%、广告词默认查询占比25%、新建广告组占比15%、广告词默认创建8%、广告审核10%、广告生效15%、广告词按价格排序7%
压测时间：持续2*24小时
数据量：MySQL的cpc表有150万条数据、plan表有10万条数据、group表有50万条数据、audit表有100万条数据，MongoDB的report表有1TB数据、user表有90万条数据。
集合点：不使用集合点
重点关注指标：JVM内存使用情况和GC情况
预期指标：无内存泄漏现象或迹象发生
5、性能测试环境准备与搭建
性能测试环境包括软件环境、硬件环境和网络环境。这三大环境不仅是指应用服务器环境，还包括数据库服务器、缓存服务器、文件服务器以及其他中间应用服务器环境。
硬件环境包括：CPU、内存、磁盘等基本因素。
软件环境包括：操作系统版本号、配置，Linux磁盘分区、JDK版本、位数、厂商，中间件版本号、位数，数据库版本号、位数，以及这些软件的安装路径也最好与线上环境一致。配置文件包括JVM配置、中间件配置、数据库配置文件等。
网络环境包括：网络协议及网络带宽。
集群环境包括：应用相关服务器的负载均衡环境、数据库的热备或主从环境、集群环境等。
申请线下仿真测试环境的时候，应遵循以下原则：
1）硬件环境尽可能地保持与生产环境一致
2）如果是集群环境，测试环境就不可能申请到那么多台服务器，那么可以考虑申请3台与线上生产环境一致的机器来作为线下的性能测试机器。
在性能测试的过程中，可以分别测试单机、双机和三机负载均衡时候的性能表现，然后根据3种情况下性能表现计算出线上生产环境（比如说100台）进行负载均衡时的性能损耗率，从而较为真实的计算出线上100台机器进行负载均衡时候的性能指标。
3）如果数据库集群环境太庞大，比如数据库是8组32台，那么线下测试不会申请32台机器进行性能测试。一般这种情况只会申请一组数据库（一主三从）作为性能测试的数据库即可。
因为大型数据库的集群基本都是采用拆库分表策略，所以会导致数据库集群庞大。申请一组数据库机器就可以开展性能测试，只需要保证性能测试所用的用户数据都落在申请的这组数据库即可。
4）如果实在无法保证硬件环境与线上一致，那么只能按照低配置环境进行测试，如果低配置环境测出的结果能满足线上要求，那么线上高配置环境肯定也能满足既定的性能要求。
如果无法满足，则不建议做建模估算，因为如果CPU颗粒数、高速缓存、物理内存大小、磁盘转速不同，性能建模得出的性能结果也不够准确。如果在低配置的机器测试达不到要求，则要在测试报告中写明测试环境，并说明不能保证因为测试环境的提升而达到要求。
6、做脚本
7、跑场景
根据测试用例来跑测试场景。
8、做监控
在性能测试的过程中，先用命令来监控，发现有问题再连上工具进行监控。
9、分析调优
每一个调优后，配置信息及测试结果都需要详细的记录下来。
10、回归测试
回归测试后，全部的目标达成后编写性能测试报告并发送给项目组成员。
11、出图写测试报告
|-------------------------------------|
| 下面是我整理的2023年最全的软件测试工程师学习知识架构体系图 |
一、Python编程入门到精通
二、接口自动化项目实战
三、Web自动化项目实战
四、App自动化项目实战
五、一线大厂简历
六、测试开发DevOps体系
七、常用自动化测试工具
八、JMeter性能测试
九、总结（尾部小惊喜）
没有什么比拥有一个不屈不挠的精神更重要了。在挫折与纷争中，坚持自己的理想，永不言败，这才是真正的胜利者所应具备的品质。加油！
只要还有呼吸，就不能停止梦想的追求。不要怕失败，不要怨天尤人，勇往直前，相信未来，你会看到那道不可思议的彩虹！
不论前方多么坎坷，不论风雨多么凛冽，只要心怀梦想，追逐自己的信仰，勇往直前，就能跨越万难，创造美好未来！奋斗不止，成就更大！