并发量，QPS，TPS，看这一篇就够了

目录

引子

饭店问题 

网站

 类比饭店分析

性能测试

软件性能测试的基本概念和计算公式

一、软件性能的关注点

二、软件性能的几个主要术语

引子

饭店问题 

饭店优化

网站

 类比饭店分析

当一条请求从客户端发起时&＃xff0c;它遵循着以上的线路传递&＃xff0c;线性完成。这家网站的性能关键&＃xff0c;在于应用服务器上。就像餐厅的服务能力&＃xff0c;主要取决于后厨团队一样。当多个客户端同时发起请求时&＃xff0c;服务器必须具备一定的“并行”能力&＃xff0c;否则后续进来请求会排队而且可能超时。

上图画的是一个&＃xff0c;但一般都服务器的都有多处理器,辅以超线程技术。

主流编程语言都有“多线程编程”的概念&＃xff0c;其目的就在于合理的调度任务&＃xff0c;将CPU的所有处理器充分的利用起来。也就是说这套应用服务本身就有不止一个“大厨”在烹饪。

取决于处理器数和多线程技术&＃xff0c;数个事务可以以线程的方式并行处理。

不过当前服务器的性能并不满意&＃xff0c;就像对于餐厅一样&＃xff0c;针对这个应用服务思考了更多调优方案&＃xff1a;

• 大厨的数量真的够吗&＃xff1f;是不是要继续增加人数&＃xff08;CPU核数&＃xff0c;服务器节点数-硬件调优&＃xff09;&＃xff1f;
• 大厨的经验和技术到位吗&＃xff1f;是不是要改聘更资深的大厨&＃xff08;改换具有更高频CPU的服务器-硬件调优&＃xff1b;调整业务逻辑效率-逻辑调优&＃xff09;&＃xff1f;
• 改良热门餐品的备菜策略&＃xff1f;&＃xff08;利用数据库索引、缓存等技术-逻辑调优&＃xff09;

除了强调的调优重点&＃xff0c;应用服务/后厨团队&＃xff0c;其他部分也是有可能成为瓶颈&＃xff0c;需要调优解决的&＃xff0c;比如&＃xff1a;

• 餐厅容量会不会无法容纳排队的客户&＃xff1f;&＃xff08;服务器容量&＃xff0c;线程池大小&＃xff0c;最大连接数&＃xff0c;内存空间&＃xff09;
• 小二的下单和上菜速度有没有成为掣肘&＃xff1f;&＃xff08;网络带宽&＃xff0c;路由效率等。对于数据密集型服务而言&＃xff0c;网络带宽很可能成为瓶颈。&＃xff09;
• 等等

性能测试

线程数

要实现性能测试的一个必要条件&＃xff0c;那就是我们必须要能模拟高峰期的访问量。这一点通过正常的应用客户端是很难办到的&＃xff08;比如web应用的客户端就是浏览器&＃xff0c;你很难用浏览器并发向服务器发送大量请求&＃xff09;。

这里就需要性能测试工具来帮忙了&＃xff0c;主流的性能测试工具比如&＃xff0c;等都能以线程式并发的方式&＃xff0c;帮我们达成“短时间内向服务器发送大量请求”这一任务。

多线程式并发测试工具&＃xff0c;顾名思义&＃xff0c;会启动复数个线程&＃xff0c;让每个线程独立向服务器端发出请求。

有时候我们在描述性能测试过程时&＃xff0c;会将这个客户端的独立线程数表述为“并发数”。

但是注意&＃xff0c;这里的“并发”指的是客户端并发&＃xff0c;很简单&＃xff0c;客户端能发出很多请求&＃xff0c;服务器却未必能处理得了是不是&＃xff1f;

并行数

那么服务器一次性能同时处理多少事务请求呢&＃xff1f;

根据我们之前的讨论&＃xff0c;同一时间节点上同时处理的事务数最大就是&＃xff1a;CPU处理器数*服务器超线程倍率。

比如对于一个8核未超线程CPU&＃xff0c;某时间节点上的同时处理的事务不会超过8个。类比于8个厨师&＃xff0c;同一时间点上只能处理8份餐品。

而超线程技术就像是给厨师们来了一场“左右互搏”培训&＃xff0c;让每个人都能一心二用&＃xff0c;一次处理2份餐品。

这里我们描述的“同时8个”事务&＃xff0c;就是“并行/平行”的含义。

并发数-Throughput

注意上面我们讨论的“并行数”&＃xff0c;不是"并发数"。否则我们直接看CPU核数就能确定并发数了。

并发数指的是一个时间段内的事务完成数。这个切片“时间段”常取1秒钟或1分钟这样的整数来做换算。

假设一个厨师平均2分钟做完一道菜&＃xff0c;那么8个厨师2分钟完成8道菜&＃xff0c;换算一下就是4道/分钟。

如果以分钟为单位进行统计&＃xff0c;那么这个数字就是最终结果。

每秒事务数-TPS&＃xff08;Transaction Per Second&＃xff09;

一般应用服务器的处理速度跟厨师做菜是不在一个数量级的&＃xff0c;常见的事务请求在应用服务器端的处理时间以毫秒为单位计算。

所以测试性能时&＃xff0c;我们更常用“1秒钟”来作为切片时间段。

一秒钟完成多少个事务请求&＃xff0c;这个数据就是我们耳熟能详的“每秒事务数”。

这个指标翻译成英文就是TPS - Transaction Per Seconds。

每秒事务数&＃xff0c;就是衡量服务器性能的最重要也是最直观指标。

每秒能完成的事务数越多&＃xff0c;那么每分钟能完成的事务就越多&＃xff0c;每天完成的事务数就越多 -- 简单的小学数学。

那么他直接能影响到一个应用服务每天平均能承受的访问量/请求量&＃xff0c;以及业务高峰期能承受的压力。

每秒查询率-QPS&＃xff08;Queries Per Second&＃xff09;

每秒钟处理完请求的次数&＃xff1b;注意这里是处理完。一般TPS是对整个系统来讲的。一个应用系统1s能完成多少事务处理&＃xff0c;一个事务在分布式处理中&＃xff0c;可能会对应多个请求&＃xff0c;对于衡量单个接口服务的处理能力&＃xff0c;用QPS比较多。

           QPS &＃61; 并发量 / 平均响应时间

           并发量 &＃61; QPS * 平均响应时间

• QPS跟TPS类似&＃xff0c;对于一个页面的一次访问&＃xff0c;形成一个Tps&＃xff1b;但一次页面请求&＃xff0c;可能产生多次对服务器的请求&＃xff0c;这些请求会计为QPS。

         例如&＃xff1a;访问一个页面请求了三次服务器&＃xff0c;则产生一个TPS 3个QPS。

• QPS是数据库中的概念&＃xff0c;每秒执行条数&＃xff08;查询&＃xff09;&＃xff0c;被引申到压测中来了&＃xff0c;但是不包括插入、更新、删除操作&＃xff0c;所以不建议用qps来描述系统整体的性能&＃xff1b;建议用tps&＃xff0c;这个t&＃xff0c;你可以随意的定义&＃xff0c;可以是一个接口&＃xff0c;也可以是一个业务流程等等。

平均响应时间-RT&＃xff08;Tesponse Time&＃xff09;

那么有哪些因素会影响到TPS数值&＃xff1f;

有两个主要的维度&＃xff1a;

• 单个事务响应速度
• 同一时间能并行执行的事务

第二点我们说了&＃xff0c;它主要跟服务器资源配置&＃xff0c;线程池容量&＃xff0c;线程调度等相关。

第一点换一个说法就是&＃xff1a;事务平均响应时间。单个事务平均下来完成的速度越快&＃xff0c;那么单位时间内能完成的事务数就越多&＃xff0c;TPS就越高 -- 简单的小学数学。

所以在进行性能调优时&＃xff0c;除了服务器容量资源&＃xff0c;单个事务响应速度是另一个关注的重点。

要关注事务响应速度/时间&＃xff0c;可以考虑在事务内部逻辑节点添加“耗时探针”的方式&＃xff0c;来探测每个步骤分别花费的时间&＃xff0c;从而找出可优化的部分。

吞吐量

一个系统吞吐量通常由QPS&＃xff08;TPS&＃xff09;、并发数两个因素决定&＃xff0c;每套系统这两个值都有一个相对极限值&＃xff0c;在应用场景访问压力下&＃xff0c;只要某一项达到系统最高值&＃xff0c;系统的吞吐量就上不去了&＃xff0c;如果压力继续增大&＃xff0c;系统的吞吐量反而会下降&＃xff0c;原因是系统超负荷工作&＃xff0c;上下文切换、内存等等其它消耗导致系统性能下降。

吞吐量是在性能探测过程中经常冒出来的名词&＃xff0c;怎么理解他呢&＃xff1f;

简单的结论就是&＃xff0c;吞吐量是站在“量”的角度去度量&＃xff0c;是一个参考指标。

但是光有“量”的数据有时候并无太大价值&＃xff0c;一家餐厅1个小时卖出100份餐品和一个月才卖出100份餐品&＃xff0c;单从“量”的维度衡量肯定不行&＃xff0c;时间维度很重要&＃xff01;

所以&＃xff0c;性能测试领域的吞吐量通常会结合上时间维度进行统计。

如果吞吐量的“量”以“事务”为统计单位的话&＃xff0c;结合时间维度&＃xff0c;转化以后可以很容换算成TPS。

PV  (Page View)

页面访问量&＃xff0c;即页面浏览量或点击量&＃xff0c;用户每次刷新即被计算一次。可以统计服务一天的访问日志得到。 

 UV&＃xff08;Unique Visitor&＃xff09;

独立访客&＃xff0c;统计1天内访问某站点的用户数。可以统计服务一天的访问日志并根据用户的唯一标识去重得到。 

DAU (Daily Active User)

日活跃用户数量。常用于反映网站、互联网应用或网络游戏的运营情况。DAU通常统计一日&＃xff08;统计日&＃xff09;之内&＃xff0c;登录或使用了某个产品的用户数&＃xff08;去除重复登录的用户&＃xff09;&＃xff0c;与UV概念相似  

MAU (Month Active User)

月活跃用户数量&＃xff0c;指网站、app等去重后的月活跃用户数量

测试类型

由于测试目标的不同&＃xff0c;性能测试可能存在很多种形式。

比如明确了解日访问量和巅峰访问量&＃xff0c;测试服务器是否能够承受响应压力的测试。

比如用于探测系统负载极限和性能拐点的测试。

比如衡量系统在高负载情况下&＃xff0c;长时间运行是否稳定的测试。

这许多种形式我们暂且不做讨论&＃xff0c;不过所有以上测试的基础都是它 -- “并发测试”。

制造并发&＃xff0c;是性能测试的基本实现办法。

进一步细化理解客户端线程数和并发量的关系

设服务器并发能力为每秒完成1个事务&＃xff0c;即TPS&＃61;1/s。且服务器使用单核处理器&＃xff0c;现用Jmeter启动5个线程循环进行并发测试&＃xff0c;那么每个切片时间&＃xff08;每秒&＃xff09;都发生了什么&＃xff1f;

我们可以用如下图表来分析&＃xff1a;

其中&＃xff0c;为线程可执行&＃xff08;等待执行&＃xff09;&＃xff0c;为线程正在执行&＃xff0c;表示线程执行完毕。

假设其他条件不变&＃xff0c;增加服务器并行处理数为2&＃xff08;增加CPU核数为2&＃xff0c;以及合理的线程调度机制&＃xff09;那么变为&＃xff1a;

这里真实的并发数&＃xff08;服务器单位时间完成的事务数&＃xff09;就是图中每一秒钟完成的事务数。

而客户端启动的其他未处理的线程则在“排队等待”。

线程并发数量

那么制造多少并发&＃xff0c;换言之&＃xff0c;我应该用多少并发线程数去进行测试&＃xff1f;

实际上客户端发起的线程数与服务器可达到的并发数并无直接关系&＃xff0c;但你应该使用足够的线程数&＃xff0c;让服务器达到事务饱和。

如何判断服务器是否达到饱和&＃xff1f;这时我们可以采取阶梯增压的方式&＃xff0c;不断加大客户端线程数量&＃xff0c;直到服务器处理不过来&＃xff0c;事务频繁超时&＃xff0c;这时就得到了服务器处理能力极限。

根据不同的测试类型&＃xff0c;取这个极限数量的一定百分比作为客户端线程数。

比如说&＃xff0c;负载测试中&＃xff0c;通常取达到这个极限数值的70%。

客户端损耗

我们在讨论餐厅订单流程和服务器事务流程时&＃xff0c;流程图里包括了顾客/客户端。

顾客点餐要不要花时间&＃xff1f;当然要&＃xff0c;如果他患上选择困难症&＃xff0c;甚至有可能在下单的时候花去大量时间。

同理&＃xff0c;客户端从启动线程到构造请求并发出&＃xff0c;这一过程也有一定的时间损耗。

通常在测试服务器性能的时候&＃xff0c;客户端性能是应该被剥离出去的&＃xff0c;所以测试时应该尽量降低客户端时间损耗。

• 适当增加客户端线程循环次数 - 稀释这些线程启动的占用时间
• 当客户端线程数需要较大数量时&＃xff08;对jmeter而言&＃xff0c;超过1000左右&＃xff09;&＃xff0c;客户机/测试机的资源占用会增大&＃xff0c;整个客户端的请求构造时间会拉长。应该考虑分布式测试。
• 尽量减少客户端请求构造时间&＃xff0c;比如beanshell请求加密&＃xff0c;如果过程过于复杂也会耗去可观时间。极限测试情况下应考虑简化。

软件性能测试的基本概念和计算公式

一、软件性能的关注点

对一个软件做性能测试时需要关注那些性能呢&＃xff1f;

我们想想在软件设计、部署、使用、维护中一共有哪些角色的参与&＃xff0c;然后再考虑这些角色各自关注的性能点是什么&＃xff0c;作为一个软件性能测试工程师&＃xff0c;我们又该关注什么&＃xff1f;

首先&＃xff0c;开发软件的目的是为了让用户使用&＃xff0c;我们先站在用户的角度分析一下&＃xff0c;用户需要关注哪些性能。

对于用户来说&＃xff0c;当点击一个按钮、链接或发出一条指令开始&＃xff0c;到系统把结果已用户感知的形式展现出来为止&＃xff0c;这个过程所消耗的时间是用户对这个软件性能的直观印象。也就是我们所说的响应时间&＃xff0c;当相应时间较小时&＃xff0c;用户体验是很好的&＃xff0c;当然用户体验的响应时间包括个人主观因素和客观响应时间&＃xff0c;在设计软件时&＃xff0c;我们就需要考虑到如何更好地结合这两部分达到用户最佳的体验。如&＃xff1a;用户在大数据量查询时&＃xff0c;我们可以将先提取出来的数据展示给用户&＃xff0c;在用户看的过程中继续进行数据检索&＃xff0c;这时用户并不知道我们后台在做什么。

用户关注的是用户操作的相应时间。

其次&＃xff0c;我们站在管理员的角度考虑需要关注的性能点。

1、 响应时间
2、 服务器资源使用情况是否合理
3、 应用服务器和数据库资源使用是否合理
4、 系统能否实现扩展
5、 系统最多支持多少用户访问、系统最大业务处理量是多少
6、 系统性能可能存在的瓶颈在哪里
7、 更换那些设备可以提高性能
8、 系统能否支持7×24小时的业务访问

再次&＃xff0c;站在开发&＃xff08;设计&＃xff09;人员角度去考虑。

1、 架构设计是否合理
2、 数据库设计是否合理
3、 代码是否存在性能方面的问题
4、 系统中是否有不合理的内存使用方式
5、 系统中是否存在不合理的线程同步方式
6、 系统中是否存在不合理的资源竞争

那么站在性能测试工程师的角度&＃xff0c;我们要关注什么呢&＃xff1f;

一句话&＃xff0c;我们要关注以上所有的性能点。

二、软件性能的几个主要术语

1、响应时间&＃xff1a;对请求作出响应所需要的时间

网络传输时间&＃xff1a;N1&＃43;N2&＃43;N3&＃43;N4

应用服务器处理时间&＃xff1a;A1&＃43;A3

数据库服务器处理时间&＃xff1a;A2

响应时间&＃61;N1&＃43;N2&＃43;N3&＃43;N4&＃43;A1&＃43;A3&＃43;A2

2、并发用户数的计算公式

系统用户数&＃xff1a;系统额定的用户数量&＃xff0c;如一个OA系统&＃xff0c;可能使用该系统的用户总数是5000个&＃xff0c;那么这个数量&＃xff0c;就是系统用户数。

同时在线用户数&＃xff1a;在一定的时间范围内&＃xff0c;最大的同时在线用户数量。
同时在线用户数&＃61;每秒请求数RPS&＃xff08;吞吐量&＃xff09;&＃43;并发连接数&＃43;平均用户思考时间

平均并发用户数的计算&＃xff1a;C&＃61;nL / T

其中C是平均的并发用户数&＃xff0c;n是平均每天访问用户数&＃xff08;login session&＃xff09;&＃xff0c;L是一天内用户从登录到退出的平均时间&＃xff08;login session的平均时间&＃xff09;&＃xff0c;T是考察时间长度&＃xff08;一天内多长时间有用户使用系统&＃xff09;

并发用户数峰值计算&＃xff1a;C^约等于C &＃43; 3*根号C

其中C^是并发用户峰值&＃xff0c;C是平均并发用户数&＃xff0c;该公式遵循泊松分布理论。

3、吞吐量的计算公式

指单位时间内系统处理用户的请求数

从业务角度看&＃xff0c;吞吐量可以用&＃xff1a;请求数/秒、页面数/秒、人数/天或处理业务数/小时等单位来衡量

从网络角度看&＃xff0c;吞吐量可以用&＃xff1a;字节/秒来衡量

对于交互式应用来说&＃xff0c;吞吐量指标反映的是服务器承受的压力&＃xff0c;他能够说明系统的负载能力

以不同方式表达的吞吐量可以说明不同层次的问题&＃xff0c;例如&＃xff0c;以字节数/秒方式可以表示数要受网络基础设施、服务器架构、应用服务器制约等方面的瓶颈&＃xff1b;已请求数/秒的方式表示主要是受应用服务器和应用代码的制约体现出的瓶颈。

当没有遇到性能瓶颈的时候&＃xff0c;吞吐量与虚拟用户数之间存在一定的联系&＃xff0c;可以采用以下公式计算&＃xff1a;F&＃61;VU * R /

其中F为吞吐量&＃xff0c;VU表示虚拟用户个数&＃xff0c;R表示每个虚拟用户发出的请求数&＃xff0c;T表示性能测试所用的时间

4、性能计数器

是描述服务器或操作系统性能的一些数据指标&＃xff0c;如使用内存数、进程时间&＃xff0c;在性能测试中发挥着“监控和分析”的作用&＃xff0c;尤其是在分析统统可扩展性、进行新能瓶颈定位时有着非常关键的作用。

资源利用率&＃xff1a;指系统各种资源的使用情况&＃xff0c;如cpu占用率为68%&＃xff0c;内存占用率为55%&＃xff0c;一般使用“资源实际使用/总的资源可用量”形成资源利用率。

5、思考时间的计算公式

Think Time&＃xff0c;从业务角度来看&＃xff0c;这个时间指用户进行操作时每个请求之间的时间间隔&＃xff0c;而在做新能测试时&＃xff0c;为了模拟这样的时间间隔&＃xff0c;引入了思考时间这个概念&＃xff0c;来更加真实的模拟用户的操作。

在吞吐量这个公式中F&＃61;VU * R / T说明吞吐量F是VU数量、每个用户发出的请求数R和时间T的函数&＃xff0c;而其中的R又可以用时间T和用户思考时间TS来计算&＃xff1a;R &＃61; T / TS

下面给出一个计算思考时间的一般步骤&＃xff1a;

A、首先计算出系统的并发用户数

C&＃61;nL / T F&＃61;R×C

B、统计出系统平均的吞吐量

F&＃61;VU * R / T R×C &＃61; VU * R / T

C、统计出平均每个用户发出的请求数量

R&＃61;u*C*T/VU

D、根据公式计算出思考时间

TS&＃61;T/R 

参考链接

https://www.cnblogs.com/dayu2019/p/11906855.html
https://blog.csdn.net/itkampong/article/details/82499633