testing-performance-tester

name testing-performance-tester description 性能测试助手 - 专业的软件性能测试与优化专家。适用场景： (1) 性能测试方案设计（负载测试/压力测试/稳定性测试） (2) 性能基准设定与SLA定义 (3) 性能测试脚本编写（JMeter/Locust/k6） (4) 性能瓶颈定位与根因分析 (5) 性能监控指标设计（响应时间/吞吐量/资源利用率） (6) 性能测试报告与优化建议 (7) 容量规划与扩展性评估 (8) 数据库/API/前端性能分析 触发关键词：性能测试、负载测试、压力测试、JMeter、Locust、k6、响应时间、吞吐量、TPS、QPS、并发、性能瓶颈、容量规划 性能测试助手 专业的软件性能测试与优化专家，帮助确保系统在各种负载下稳定运行。 核心工作流程 1. 性能测试类型 测试类型与目的： 测试类型 目的 场景 关注指标 基准测试 建立性能基线 单用户/空载 响应时间 负载测试 验证预期负载 正常业务量 吞吐量、响应时间 压力测试 发现系统极限 超出预期负载 崩溃点、恢复能力 稳定性测试 长时间运行稳定 持续中等负载 内存泄漏、资源消耗 峰值测试 突发流量处理 瞬间高并发 峰值承受能力 容量测试 扩展性评估 逐步增加负载 资源利用率拐点 测试选择决策： 性能测试选择 ├── 新系统上线 │ ├── 基准测试：建立性能基线 │ ├── 负载测试：验证设计容量 │ └── 稳定性测试：长时间运行 ├── 版本发布 │ ├── 回归测试：对比历史基线 │ └── 负载测试：验证性能无劣化 ├── 容量规划 │ ├── 容量测试：确定资源配置 │ └── 扩展测试：验证扩展方案 └── 故障排查 ├── 压力测试：复现问题 └── 瓶颈分析：定位根因 2. 性能指标体系 核心指标： 响应时间指标 ├── 平均响应时间（Avg）：整体表现 ├── 中位数（P50）：典型用户体验 ├── 90分位（P90）：90%用户体验 ├── 99分位（P99）：长尾用户体验 └── 最大响应时间（Max）：极端情况 吞吐量指标 ├── TPS：每秒事务数（Transaction Per Second） ├── QPS：每秒查询数（Query Per Second） ├── RPS：每秒请求数（Request Per Second） └── 并发用户数：同时在线用户 资源指标 ├── CPU使用率：<70%为健康 ├── 内存使用率：<80%为健康 ├── 磁盘I/O：读写等待时间 ├── 网络带宽：吞吐量和延迟 └── 连接池使用率：数据库/HTTP连接 SLA定义模板： 指标 目标值 可接受值 告警阈值 平均响应时间 <200ms <500ms >1000ms P99响应时间 <1s <2s >5s TPS >1000 >500 <200 错误率 <0.1% <1% >5% 可用性 99.9% 99% <95% 3. 性能测试工具 主流工具对比： 工具 语言 适用场景 优势 劣势 JMeter Java 综合测试 功能全面、GUI 资源消耗高 Locust Python API测试 代码驱动、分布式 无GUI k6 JavaScript 云原生测试 轻量、CI友好 协议支持少 Gatling Scala 大规模测试 高性能、报告美观 学习曲线 wrk C HTTP基准 极高性能 功能简单 Artillery JavaScript API/WebSocket 易用、YAML配置 功能有限 工具选择： 场景 → 推荐工具 ├── API接口测试 → k6 / Locust ├── Web应用综合 → JMeter / Gatling ├── 简单基准测试 → wrk / ab ├── CI/CD集成 → k6 / Artillery └── 分布式大规模 → Locust / Gatling 4. 测试脚本编写 k6脚本示例： import http from 'k6/http' ; import { check, sleep } from 'k6' ; import { Rate } from 'k6/metrics' ; // 自定义指标 const errorRate = new Rate ( 'errors' ); // 测试配置 export const options = { stages : [ { duration : '1m' , target : 50 }, // 预热 { duration : '3m' , target : 100 }, // 负载 { duration : '1m' , target : 200 }, // 峰值 { duration : '1m' , target : 0 }, // 降载 ], thresholds : { http_req_duration : [ 'p(95)<500' ], // 95%请求<500ms errors : [ 'rate<0.01' ], // 错误率<1% }, }; // 测试场景 export default function ( ) { // 登录 const loginRes = http. post ( 'https://api.example.com/login' , { username : 'testuser' , password : 'testpass' , }); check (loginRes, { 'login successful' : ( r ) => r. status === 200 , 'has token' : ( r ) => r. json ( 'token' ) !== undefined , }) || errorRate. add ( 1 ); const token = loginRes. json ( 'token' ); // 获取数据 const params = { headers : { 'Authorization' : `Bearer ${token} ` }, }; const dataRes = http. get ( 'https://api.example.com/data' , params); check (dataRes, { 'data retrieved' : ( r ) => r. status === 200 , 'response time OK' : ( r ) => r. timings . duration < 500 , }) || errorRate. add ( 1 ); sleep ( 1 ); // 思考时间 } Locust脚本示例： from locust import HttpUser, task, between import json class APIUser ( HttpUser ): wait_time = between( 1 , 3 ) # 思考时间1-3秒 token = None def on_start ( self ): """登录获取Token""" response = self .client.post( "/login" , json={ "username" : "testuser" , "password" : "testpass" }) if response.status_code == 200 : self .token = response.json().get( "token" ) @task( 3 ) # 权重3 def get_data ( self ): """获取数据""" headers = { "Authorization" : f"Bearer {self.token} " } with self .client.get( "/api/data" , headers=headers, catch_response= True ) as response: if response.status_code == 200 : response.success() else : response.failure( f"Failed with {response.status_code} " ) @task( 1 ) # 权重1 def create_item ( self ): """创建数据""" headers = { "Authorization" : f"Bearer {self.token} " , "Content-Type" : "application/json" } payload = { "name" : "test_item" , "value" : 100 } self .client.post( "/api/items" , headers=headers, json=payload) JMeter配置要点： JMeter测试计划结构 ├── 线程组 │ ├── 线程数：并发用户数 │ ├── Ramp-Up：启动时间 │ └── 循环次数：-1为持续运行 ├── 配置元件 │ ├── HTTP请求默认值 │ ├── CSV数据文件 │ └── HTTP Header管理器 ├── 取样器 │ ├── HTTP请求 │ └── JDBC请求 ├── 断言 │ ├── 响应断言 │ └── JSON断言 └── 监听器 ├── 聚合报告 ├── 响应时间图 └── TPS图 5. 性能瓶颈分析 瓶颈定位流程： 性能瓶颈分析 ├── 1. 现象收集 │ ├── 响应时间突增 │ ├── 吞吐量下降 │ └── 错误率上升 ├── 2. 资源检查 │ ├── CPU：是否满载 │ ├── 内存：是否耗尽 │ ├── 磁盘：是否I/O等待 │ └── 网络：是否带宽瓶颈 ├── 3. 应用层分析 │ ├── 慢查询日志 │ ├── 应用日志 │ ├── APM追踪 │ └── 线程分析 └── 4. 定位根因 ├── 代码问题 ├── 配置问题 ├── 架构问题 └── 资源不足 常见瓶颈与解决： 瓶颈类型 症状 诊断方法 解决方案 CPU瓶颈 CPU>90%持续 top/htop 优化算法、水平扩展 内存瓶颈 OOM、频繁GC jstat、堆分析 内存泄漏修复、增加内存 数据库瓶颈 慢查询、锁等待 慢查询日志、explain 索引优化、读写分离 连接池耗尽 连接等待超时 连接池监控 调整池大小、优化SQL 网络瓶颈 延迟高、丢包 ping、traceroute 带宽升级、CDN 线程池满 任务排队 线程dump 异步化、调整线程数 数据库性能分析： -- MySQL慢查询分析 SHOW VARIABLES LIKE 'slow_query_log%' ; SHOW VARIABLES LIKE 'long_query_time' ; -- 执行计划分析 EXPLAIN ANALYZE SELECT * FROM orders WHERE user_id = 123 ; -- 索引使用情况 SHOW INDEX FROM orders; -- 连接数监控 SHOW STATUS LIKE 'Threads_connected' ; SHOW STATUS LIKE 'Max_used_connections' ; -- 锁等待分析 SELECT * FROM information_schema.innodb_lock_waits; 6. 性能监控 监控指标体系： 监控层级 ├── 基础设施层 │ ├── CPU/内存/磁盘/网络 │ └── 工具：Prometheus Node Exporter ├── 中间件层 │ ├── Nginx：连接数、请求率、响应时间 │ ├── Redis：命中率、内存、连接数 │ └── MySQL：QPS、慢查询、连接数 ├── 应用层 │ ├── JVM：GC、堆内存、线程 │ └── 应用指标：TPS、响应时间、错误率 └── 业务层 ├── 核心接口监控 └── 业务成功率 Grafana仪表盘要素： 性能监控Dashboard ├── 概览 │ ├── 请求速率 │ ├── 平均响应时间 │ ├── 错误率 │ └── 活跃连接数 ├── 响应时间 │ ├── 时间序列图 │ ├── 分位数（P50/P90/P99） │ └── 按接口分组 ├── 吞吐量 │ ├── TPS趋势 │ ├── 按接口分布 │ └── 成功/失败比例 └── 资源 ├── CPU使用率 ├── 内存使用率 ├── 连接池使用率 └── GC统计 输出模板 性能测试方案 # 性能测试方案 ## 项目信息 | 项目 | 内容 | |------|------| | 项目名称 | | | 测试版本 | | | 编写人 | | | 日期 | | ## 1. 测试目标 ### 1.1 业务目标 - 预期并发用户数：XXX - 预期日交易量：XXX - 目标响应时间： < XXXms ### 1.2 性能指标 | 指标 | 目标值 | 可接受值 | | ------ | -------- | ---------- | | 平均响应时间 | < 200ms | < 500ms | | P99响应时间 | < 1s | < 2s | | TPS | > 1000 | >500 | | 错误率 | <0.1% | <1% | | CPU使用率 | <70% | <85% | ## 2. 测试范围 ### 2.1 测试场景 | 场景 | 接口 | 占比 | 并发数 | |------|------|------|--------| | 登录 | /login | 10% | 100 | | 查询 | /api/data | 60% | 600 | | 创建 | /api/create | 20% | 200 | | 其他 | - | 10% | 100 | ### 2.2 测试类型 - [x] 负载测试：验证1000并发 - [x] 压力测试：确定系统极限 - [x] 稳定性测试：持续8小时 - [ ] 峰值测试 ## 3. 测试环境 ### 3.1 服务器配置 | 角色 | 配置 | 数量 | |------|------|------| | 应用服务器 | 8C16G | 2 | | 数据库 | 16C64G | 1 | | 缓存 | 4C8G | 1 | ### 3.2 测试工具 - 负载工具：k6 / JMeter - 监控工具：Prometheus + Grafana - APM：SkyWalking ## 4. 测试设计 ### 4.1 负载模型 用户数 1000 | ________ | / 500 | / _ | / 0 | / 0 5 10 15 20 25 min 预热 稳定负载 降载 ### 4.2 数据准备 - 用户数据：10000条 - 业务数据：100万条 - 数据脱敏：是 ## 5. 执行计划 | 阶段 | 内容 | 时间 | |------|------|------| | 准备 | 环境/脚本/数据 | X天 | | 基准 | 单用户基准测试 | 1天 | | 负载 | 多轮负载测试 | 2天 | | 压力 | 极限测试 | 1天 | | 稳定 | 8小时稳定性 | 1天 | ## 6. 交付物 - 性能测试报告 - 监控数据 - 优化建议 性能测试报告 # 性能测试报告 ## 报告信息 | 项目 | 内容 | |------|------| | 项目名称 | | | 测试版本 | | | 测试周期 | | | 报告日期 | | | 测试人员 | | ## 执行摘要 ### 总体结论 🟢 通过 / 🟡 有条件通过 / 🔴 未通过 ### 关键指标 | 指标 | 目标 | 实际 | 状态 | |------|------|------|------| | 平均响应时间 | <200ms | 180ms | ✅ | | P99响应时间 | <1s | 850ms | ✅ | | TPS | >1000 | 1200 | ✅ | | 错误率 | <0.1% | 0.05% | ✅ | ### 主要发现 1. [关键发现1] 2. [关键发现2] ## 测试环境 ### 硬件配置 | 服务器 | 配置 | 数量 | |--------|------|------| ### 软件版本 | 组件 | 版本 | |------|------| ## 测试结果 ### 负载测试 #### 测试场景 - 并发用户：1000 - 持续时间：30分钟 - 总请求数：XXX #### 结果数据 | 接口 | 请求数 | 平均RT | P95 | P99 | 错误率 |