目录：导读
前言
1、负载、并发、压力测试区别
1）负载测试
定义：负载测试是通过逐步增加系统负载，测试系统性能的变化，并最终确定在满足性能指标的情况下，系统所能承受的最大负载量的测试。
目的：不把系统搞挂的测试，使系统能够在最大的压力下可以正常运行。从而获取系统指标。
方法：不断增加请求压力，直到服务器某个资源项达到饱和（比如CPU使用率达到90%+）或某个指标达到安全临界值（比如运维的监控告警阈值or拐点）。系统负载压力包含并发用户数、持续运行时间、数据量等。其中并发用户数是负载压力的重要指标。
2）并发测试
定义：检查系统是否有并发问题，例如内存泄漏、线程锁、资源争用等问题。
目的：确定用户并发数，必须知道系统所承载的在线用户数。然后在单位时间内(S)同时发起一定量的请求。
确定并发用户数的方法：
例如：
公司OA系统账号或者总用户有2000人；
最高峰在线500人；
但是这500人并不是作为并发用户存在的概念。即并不表示服务器实际承载的压力；有可能40%关注的是首页新闻公告板之类（注意看新闻这个阶段是不能造成服务器的压力）；
20%用户在查询资料或者操作表格；20%用户在发呆；20%在页面之间跳转；在这种情况下，只有真正20%用户在对服务器造成实质的影响。
我们将这个查询、操作表格作为一个业务范畴来说；直接将这部分业务并发用户称为并发用户数：
计算平均并发用户数：C=NL/T
并发用户峰值数：C' ≈ C+3根号C
公式（1）中，C是平均的并发用户数；n是login session的数量；L是login session的平均长度；T指考察的时间段长度。
公式（2）则给出了并发用户数峰值的计算方式中，其中，C'指并发用户数的峰值，C就是公式（1）中得到的平均的并发用户数。该公式的得出是假设用户的login session产生符合泊松分布而估算得到的。
假设有一个OA系统，该系统有3000个用户，（可以看注册信息）平均每天大约有400个用户要访问该系统，（日志文件查看）对一个典型用户来说，一天之内用户从登录到退出该系统的平均时间为4小时，在一天的时间内，用户只在8小时内使用该系统。
则根据公式（1）和公式（2），可以得到：
C = 4004/8 = 200
C'≈200+3根号200 = 242
但是一般的做法是把每天访问系统用户数的10%作为平均的并发用户数。最大的并发用户数乘上一个值，2或者3。
假如说用户要求系统每秒最大可以处理100个登陆请求，10/25/50/75/100 个并发用户来执行登陆操作，然后观察系统在不同负载下的响应时间和每秒事务数。如果用户数在100的时候，响应时间还在允许范围呢，就要加大用户数，例如120 等 。个人理解这个用户数就是我们经常说的等价类和边界值法来设定。
压力测试
定义：是给软件不断加压，强制其在极限的情况下运行，观察它可以运行到何种程度，从而发现性能缺陷。
目的：把系统搞挂的测试。
方法：以负载测试或者并发测试为依据，给软件不断加压，强制其在极限的情况下运行，观察它可以运行到何种程度，从而发现性能缺陷。
2、性能测试遇到问题怎么办
1）内存溢出
堆内存溢出
现象：
压测执行一段时间后，系统处理能力下降。这时用JConsole、JVisualVM等工具连上服务器查看GC情况，每次GC回收都不彻底并且可用堆内存越来越少。
压测持续下去，最终在日志中有报错信息：java.lang.OutOfMemoryError.Java heap space。
排查手段：
使用jmap -histo pid > test.txt命令将堆内存使用情况保存到test.txt文件中，打开文件查看排在前50的类中有没有熟悉的或者是公司标注的类名，如果有则高度怀疑内存泄漏是这个类导致的。
如果没有，则使用命令：jmap -dump:live,format=b,file=test.dump pid生成test.dump文件，然后使用MAT进行分析。
如果怀疑是内存泄漏，也可以使用JProfiler连上服务器在开始跑压测，运行一段时间后点击"Mark Current Values"，后续的运行就会显示增量，这时执行一下GC，观察哪个类没有彻底回收，基本就可以判断是这个类导致的内存泄漏。
解决方式：优化代码，对象使用完毕，需要置成null。
2）永久代 / 方法区溢出
现象：压测执行一段时间后，日志中有报错信息：java.lang.OutOfMemoryError: PermGen space。
产生原因：由于类、方法描述、字段描述、常量池、访问修饰符等一些静态变量太多，将持久代占满导致持久代溢出。
解决方法：修改JVM参数，将XX：MaxPermSize参数调大。尽量减少静态变量。
3）栈内存溢出
现象：压测执行一段时间后，日志中有报错信息：java.lang.StackOverflowError。
产生原因：线程请求的栈深度大于虚拟机所允许的最大深度，递归没返回，戒者循环调用造成。
解决方法：修改JVM参数，将Xss参数改大，增加栈内存。栈内存溢出一定是做批量操作引起的，减少批处理数据量。
4）系统内存溢出
现象：压测执行一段时间后，日志中有报错信息：java.lang.OutOfMemoryError: unable to create new native thread。
产生原因：操作系统没有足够的资源来产生返个线程造成的。系统创建线程时，除了要在Java堆中分配内存外，操作系统本身也需要分配资源来创建线程。因此，当线程数量大到一定程度以后，堆中或许还有空间，但是操作系统分配不出资源来了，就出现这个异常了。
解决方法：
减少堆内存
减少线程数量
如果线程数量不能减少，则减少每个线程的堆栈大小，通过-Xss减小单个线程大小，以便能生产更多的线程。
3、CPU过高
1）us cpu高
现象：压测过程中，使用top命令查看系统资源占用情况，us cpu过高，超过50%以上。
排查手段：
使用top命令是哪个进程消耗CPU高
再找到CPU消耗高的线程：top -H -p 进程号
把线程号转换成16进制：printf "%x\n" 线程号
再用jstack命令分析这个线程是在干什么：jstack 进程号 | grep 16进制的线程号
通过JProfiler的CPU Views视图的层层分析，可以清楚的找到造成CPU高的原因
2）sy cpu高
现象：压测过程中，使用top命令查看系统资源占用情况，sy cpu过高，超过50%以上。
排查手段：
首先查看磁盘繁忙程度、磁盘的队列（iostat、nmon）
如果磁盘没有问题，则使用strace查看系统内核调用情况
4、TPS上不去
1）网络带宽
在压力测试中，有时候要模拟大量的用户请求，如果单位时间内传递的数据包过大，超过了带宽的传输能力，那么就会造成网络资源竞争，间接导致服务端接收到的请求数达不到服务端的处理能力上限。
2）连接池
最大连接数太少，造成请求等待。连接池一般分为服务器中间件连接池（比如Tomcat）和数据库连接池（或者理解为最大允许连接数也行）。
3）垃圾回收机制
从常见的应用服务器来说，比如Tomcat，如果堆内存设置比较小，就会造成新生代的Eden区频繁的进行Young GC，老年代的Full GC也回收较频繁，那么对TPS也是有一定影响的，因为垃圾回收时通常会暂停所有线程的工作。
4）数据库
高并发情况下，如果请求数据需要写入数据库，且需要写入多个表的时候，如果数据库的最大连接数不够，或者写入数据的SQL没有索引没有绑定变量，抑或没有主从分离、读写分离等，就会导致数据库事务处理过慢，影响到TPS。
5）硬件资源
包括CPU（配置、使用率等）、内存（占用率等）、磁盘（I/O、页交换等）。
6）压力机
比如Jmeter和Loadrunner，单机负载能力有限，如果需要模拟的用户请求数超过其负载极限，也会间接影响TPS（这个时候就需要进行分布式压测来解决其单机负载的问题）。
7）业务逻辑
业务解耦度较低，较为复杂，整个事务处理线被拉长也会导致TPS上不去。
8）系统架构
比如是否有缓存服务，缓存服务器配置，缓存命中率、缓存穿透以及缓存过期等，都会影响到测试结果。
性能问题分析流程
查看服务器的CPU、内存 、负载等情况，包括应用服务器和数据库服务器
查看数据库健康状态，数据库死锁、连接池不释放
查看项目日志（查看无报错现象）
查看jvm的gc等情况
完整版！企业级性能测试实战，速通Jmeter性能测试到分布式集群压测教程
|-------------------------------------|
| 下面是我整理的2025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）
人生最动人的风景，往往藏在最难攀爬的高处。当你觉得力竭时，请记住：每一次坚持都在雕刻更强大的自己。别问路有多远，只管迈步向前；别怕山有多高，向上攀登就是答案！
你体内沉睡着改变世界的力量！每个清晨都是改写命运的新机会，每次挫折都是精心包装的礼物。当全世界都在说"不可能"时，正是你证明"可能"的最好时机！