性能测试概念及技巧：影响性能测试的因素

来源：长沙it培训|发布时间：2017-04-24|浏览量：

　　想让用户有着较好的性能体验，最高效的方法就是模拟客户使用我们的应用时可能遇到的实际访问行为，如并发用户访问量、访问操作间隔时间、服务器所接受的访问压力;其中自动化测试程序时最为常见的方法。

　　在设计响应时间这方面的测试用例时，会针对服务器端和客户端分别设计用例。响应时间中最无法确定的因素是网络传输数据所需要的时间和浏览器显示的时间。

　　关于性能测试的几个基本概念：

　　并发数

　　并发数是指在同一个时间点，同时请求服务的客户数量。

　　比如大家常说的：我的网站可以承受一万并发。在通常情况下指的是：如果同时有一万名用户访问网站，所有人都可以正常获得服务。而不会有超时或连接拒绝情况发生。

　　吞吐率

　　吞吐率指的是服务处理请求的效率，计算方式为 ( 总处理请求数 / 总耗时 )。

　　HTTP 服务的吞吐率通常以 RPS(Requests Per Second 请求数每秒)作为单位。吞吐量越高，代表服务处理效率就越高。换句话说就是网站的性能越高。

　　注意：吞吐率和并发数是两个完全独立的概念。拿银行柜台来举个例子，并发数指同时有多少人往银行柜台涌来。吞吐率则指银行柜台在一段时间内可以服务多少个人。

　　但是在性能测试中，二者之间通常会呈现出一种关联关系。当并发数增大时，吞吐率通常也会随之上升( 多用户发挥出并行处理优势) 。但在并发数超过某个边界值后，吞吐率则会下降 (用户过多，花在上下文切换的开销急剧增大，又或者内存消耗过多) 。

　　响应时间

　　响应时间指的是用户从发出请求到接收完响应之间的总耗时，它由网络传输耗时、服务处理耗时等多个部分组成。通常以毫秒(ms)作为单位。

　　与并发数的关系：一般来说，随着并发数增大，单个用户的响应时间通常会随之增加。这很好理解，餐馆吃饭的人越多，单个顾客等待的时间就越长。

　　与吞吐率的关系：更高的吞吐率通常意味着更低的响应时间。因为吞吐率是以 单位时间 内的请求处理能力来计算的。

　　平均响应时间与百分位响应时间

　　平均响应时间指的是所有请求平均花费的时间，如果有100个请求，其中 98 个耗时为 1ms，其他两个为 100ms。那么平均响应时间为 (98 * 1 + 2 * 100) / 100.0 = 2.98ms 。

　　百分位数( Percentile - Wikipedia )是一个统计学名词。以响应时间为例， 99% 的百分位响应时间 ，指的是 99% 的请求响应时间，都处在这个值以下。

　　拿上面的响应时间来说，其整体平均响应时间虽然为 2.98ms，但 99% 的百分位响应时间却是 100ms。

　　相对于平均响应时间来说，百分位响应时间通常更能反映服务的整体效率。现实世界中用的较多的是 98% 的百分位响应时间，比如 GitHub System Status 中就有一条 98TH PERC. WEB RESPONSE TIME 曲线。

　　准备工作

　　1. 挑选测试目标

　　一个网站通常有很多个不同的页面和接口。如果要完全模拟真实环境的访问，就得为各页面设置不同的权重，同时访问所有页面。或者取巧一点，采用重放真实环境访问记录的方式。

　　进行整体性能测试比较复杂，这里不打算介绍相关内容。 这次主要讨论对单个页面测试。

　　那么，怎么挑选测试的目标页面呢?一般来说，那些用户访问较多的页面通常是比较好的选择，它们可能是：

　　首页/Landing Page ：通常是用户第一个打开的页面

　　关键行为页面 ：如果网站的主要功能是发放优惠券，那就测试发放优惠券的接口

　　活动页面 ：新活动上线推广前，理所应当应该进行性能测试

　　尽量模拟真实的用户情况

　　举个例子，如果你想压测一个文章列表页，那么一定先要挑选一位拥有一定数量文章的用户，然后使用其身份来进行测试。千万不要用那些一篇文章没有、或只有少数文章的测试账号。那样会产生失真的测试结果，让你对服务能力产生过于乐观的估计。

　　所以，在测试与用户相关的动态内容时，请细心挑选用户身份，尽量反映绝大多数用户的情况。

　　别忘了关注边界情况

　　让测试过程反映绝大多数用户的情况很重要，但也请别忘了那些边界情况。

　　比如，当用户拥有 50 篇以下的文章时，你的文章列表页面响应速度非常好，吞吐率非常高。那么如果某个用户拥有 1000 篇文章呢?列表页的性能表现还能满足需求吗?响应时间会不会呈指数级上升?这些都是你需要测试的。

　　牢记『木桶效应』，你的服务很可能会因为没有处理好这些边界情况而崩溃。

　　2. 选择测试工具

　　市面上开源的 HTTP 性能测试工具非常多，我使用过的就有 wrk 、 ab 、 vegeta 、 siege 等。所有工具都支持对单个地址进行测试，部分工具支持通过地址列表进行批量测试。

　　除了 ab 这种历史比较悠久的工具，大部分现代压测工具效率都非常高，所以挑选哪个区别不大。像我就是 wrk 的粉丝。

　　3. 记录关键信息

　　硬件配置对测试结果影响非常大。所以，在开始测试前，最好记录下你的服务器硬件情况，这包括 CPU、内存、网卡速度等等。如果有必要的话，那些关键的关联服务 - 比如数据库 - 的硬件配置也应该一并记录下来。

　　除了硬件配置外，还应该记录下与你的服务密切相关的其他配置信息，比如：

　　是否使用数据库连接池

　　当你对比多份测试结果时，这些配置信息就会派上用场。如果你还想分享测试结果给他人，那么提供这些配置信息是必须的。

　　进行压测

　　接下来就可以开始具体的压测过程了。一般来说，针对单页面的压测过程都是非常简单的。你只需要提供少数几个参数：并发数、持续时间、页面地址，然后等待测试完成即可。以 wrk 为例：

　　$ wrk --latency -c100 -t5 -d 10 //localhost:8080/hello/piglei

　　# -c 100：使用 100 个并发数

　　# -t 5：开启 5 个线程

　　# -d 10：持续 10 秒钟

　　一份完整的测试报告，通常要覆盖多个不同的并发数配置，比如 [10, 100, 256, 512, 1024, 2048] 等等。你最终的测试结果，需要体现出服务在不同并发数下的性能表现差异。

　　在压测过程中，还有几个注意点：

　　1. 专机专用

　　执行测试工具的机器与测试目标服务所在的机器上，最好不要运行其他无关的程序。这样可以最大程度减小对测试结果的影响。

　　2. 测试时间不要过短

　　缓存需要预热，服务也需要一段时间来稳定下来。所以，测试时间不要太短，比如小于 30 秒钟。过短的测试时间会影响结果的可靠性。

　　为了让测试结果更可靠，请让每次测试时间至少超过一分钟，比如 3-5 分钟。

　　3. 不要让测试机成为瓶颈

　　现在的服务器配置越来越强大，很有可能，你的目标服务处理能力还没达到瓶颈。你的测试机就已经先不行了。所以，在测试过程中，请一并关注你的测试机负载情况。

　　如果发现因为测试机自身瓶颈导致测试结果不准确，请使用更好的机器，或尝试同时使用多台测试机。

　　4. 调整好系统参数

　　在开始压测前，确保系统的最大文件描述符数量等参数已经被调优过，避免影响压测过程。详见： Linux Increase The Maximum Number Of Open Files / File Descriptors (FD)

　　查看压测结果

　　以下是执行 wrk 后的输出结果：

Running 10s test @ //localhost:8080/hello/piglei 5 threads and 100 connections Thread Stats   Avg      Stdev     Max   +/- Stdev Latency   336.28ms  651.93ms   1.72s    81.42% Req/Sec   657.74    547.89     3.47k    72.81% Latency Distribution 50%   28.88ms 75%   38.64ms 90%    1.71s 99%    1.72s 33320 requests in 10.00s, 4.10MB read Requests/sec:   3331.92 Transfer/sec:    419.74KB

　　在一次压测结果中，有很多有用的指标：

　　吞吐率 Requests/sec： 服务吞吐能力，也就是一秒钟平均处理多少请求数。它通常是压测结果中最重要的指标。

　　数据传输速率 Transfer/sec： 数据传输速率，压测响应结果较大的页面时，请尤其注意该值有没有达到网络瓶颈。

　   响应时间 Latency： 有关响应时间有很多不同值，请不要只关注平均响应时间，更需要注意最小值、最大值、百分位值、标准差等等。

　　错误请求数： 当并发数过高，或服务处理能力不够时。请求就可以发生错误。你的服务可以最多承受多少并发而不产生错误?这是需要重点关注的指标之一。

　　可能影响压测结果的因素

　　1. HTTP 响应是否开启 Gzip 压缩

　　如果目标服务处在 Nginx 等支持 gzip 压缩的服务后，而刚好请求响应体又比较大。那么是否开启压缩会较大程度影响到压测结果。每个工具开启压缩的方式都不一样，一般情况下，你需要手动添加 Accept-Encoding: gzip, defalte 请求头来开启 Gzip 压缩。

　　2. 测试机器与目标服务之间的网络质量

　　测试机器和目标服务之间的网络状况会很大程度影响压测结果。所以，最好保证测试机与目标服务处在同一网段。同时关注压测结果中的数据传输速度(Transfer/sec)是否接近网络速率极限值。

　　3. 负载均衡器

　　如果你的目标服务前面有配置负载均衡器，那么它可能会对测试结果产生影响。

　　比如，使用 Nginx 的 proxy_pass 配置的后端服务，极限 RPS 在几千左右。如果后端服务的吞吐率非常高，那就需要考虑负载均衡器会不会成为你测试的瓶颈所在。

　　4. 是否开启了 HTTP 长连接

　　较现代的 HTTP 服务器基本都支持持久化连接(以前俗称 keep-alive)，在测试过程中，请确定你的测试工具与服务端是否都开启了 HTTP 长连接选项。

　　因为每次压测通常要产生非常多次请求，客户端的连接是否可以复用对结果影响非常大。可以的话，请将开启或关闭长连接作为两种情况分开测试。

上一篇：自动化测试的优缺点及四个阶段

下一篇：补丁包测试意义何在？