performance test中的几个概念

1.响应时间

---

很多定义将响应时间划分为”呈现时间“和”系统响应时间“，而在一般的性能测试中，我们并不关注”呈现时间“，因为呈现时间在很大程度上取决于客户端的表现，例如一台内存不足的客户端在处理复杂页面的时候，其呈现时间很长，而这并不能说明整个系统的性能。

而”合理的响应时间“取决于用户的实际需求，而不能根据测试人员自己的设想来决定。

 

2.并发用户数

---

业务并发用户数：从业务角度出发，同一时间段内访问系统的用户数量

最大并发访问数：从服务端承受的压力出发，在某一个时间点，服务端所能承受的最大的并发访问，此时服务器承受的压力最大，资源承受压力也最大

在实际测试中，比较关心的是从业务角度设置多少个并发数比较合理，在一些文献上也有具体的公式可以参考，但是在使用这些公式时要参考实际的业务场景，将时间分段，以更细的粒度去分析和考察，并考虑不同应用的不用业务模式。

 

3.吞吐量

---

吞吐量指单位时间内系统处理的客户请求的数量。相对于响应时间更强调的是用户体验方面的参数来说，吞吐量指标反映的是服务器承受的压力。在web系统性能测试中，吞吐量主要以请求数/秒、页面数/秒或是字节数/秒来体现。

在没有遇到性能瓶颈时，吞吐量可以使用以下公式计算：

F表示吞吐量，Nvu表示VU个数，R表示每个VU发出的请求数量，T表示性能测试所需时间，但是如果碰到性能瓶颈，此公式不再适用。

常用于分析吞吐量的图表是F-VU关系图。

 

可以看到，随着VU数目的增加，吞吐量会随之增加，但是当VU数量达到一定值后，吞吐量将达到系统的性能瓶颈，不再呈正比例增加，而是趋于平稳。

但在不同并发用户数的情况下，对同一个系统施加相同的吞吐量压力，其瓶颈也是不同的。

 

4.性能计数器

---

描述服务器或OS系统性能的一些指标，e.g: Memory in usage, Total process time, resource percentage

 

5.Think time

---

用户操作时，每个请求之间的间隔时间。

根据上面的两个公式，吞吐量和VU数成正比，与Think time成反比。

具体的测试中如何选择合适的Think time ？

1) 确定系统并发用户数

2) 统计出系统平均吞吐量

3) 统计出平均每个用户的请求数量

4) 根据公式计算出一个基准Think time

5) 在实际测试中，以基准Think time为基准进行一定幅度内的随机变动

6) 对于交互式系统的测试，0 Think time没有实际意义，而对于非交互式系统，可以用0 Think time来研究系统在巨大压力下的表现。