性能测试流程-性能测试2

性能测试流程

1. 性能测试需求分析

2. 性能测试计划及方案

3. 性能测试用例

4. 搭建测试环境

5. 测试数据准备

6. 测试脚本编写

7. 执行测试脚本

8. 性能测试监控

9. 性能分析和调优

10. 性能测试回归

11. 性能测试报告总结

1、性能测试需求分析

熟悉被测系统

        熟悉系统的业务功能以及数据流向

        熟悉系统的技术架构

明确性能测试范围

        从业务角度，挑选核心业务进行测试以及生产环境访问量多的业务

        从技术角度，挑选逻辑复杂度高、数据量大的业务进行测试

明确配置信息

        明确性能测试环境的CPU、内存、网络、磁盘、实例等配置详情，以及与生产环境的资源配置的差异性；

确定测试策略

◼ 基准测试

◼ 单交易负载测试

◼ 混合场景测试

◼ 高可用性测试

◼ 异常场景测试

◼ 稳定性测试

◼ 其他特殊场景

确定性能测试指标

        有需求：按照需求来测试                     

                例如：

                        新建线索业务并发20个用户

                        平均响应时间要小于等于3s

                        事务成功率为100%

                        CPU、内存使用率小于等于80%

        没有需求：同类型软件对比，对未来数据进行预估；如果公司有运营数据统计，可以根据运营数据对性能测试的指标进行估算；

明确上线时间

        需要明确上线的时间，编写性能测试方案，合理安排性能测试的人员与执行计划，确保能按时上线；

2.性能测试计划及方案

每个公司都有自己的模板，大体上的性能测试方案的内容上出入不到，包含以下内容；

1 、项目背景 —— 主要介绍下项目的背景

2、测试目的 —— 验证被测系统在高并发下的处理能力、响应能力，稳定性等，能否满足预期。

3 、测试范围 —— 对于需求分析中的性能测试内容

4 、测试策略 —— 对应于需求分析中的测试策略

5 、风险控制 —— 技术风险、人力风险

6 、环境信息  ——压测的环境与生产环境的资源情况

7 、进度和分工 —— 谁在什么时候做什么事

3. 性能测试用例

4. 搭建测试环境

• 测试机器硬件配置尽量和线上一致
• 系统版本与线上一致
• 测试环境部署线上最小单元模块
• 应用、中间件、数据库配置要与线上一致
• 其他特殊配置

测试环境的搭建，需要了解首先了解项目的架构，是使用LNMP，还是JAVA、C#等，不同的架构方式的部署，后面有时间出一些文章进行项目部署的内容；

通常，我们在搭建集成测试环境之时，会使用Jenkins与docker搭建流水线，开发只需要在gitlab上发起合并请求给测试，测试合并之后，jenkins就会就行编译、打包、部署；

5. 测试数据准备

方式（造数的详细方法，后面会出教程）

1、通过使用Jmeter，调用实际业务接口进行造数；

例如：我们可以模拟实际用户操作页面的操作，调用相应的接口；

2、通过使用Jmeter，进行对表进行增删改查操作，达到造数；

3、使用存储过程造数

使用存储过程造数，一般都是适合表数据量比较少，简单，优点就是快；

4、使用脚本造数，可以使用python/java等语言，编写造数脚本；

python，封装mysql

import pymysql


class MysqlUtil:
    # 初始化
    __conn = None
    __cursor = None

    # 创建连接
    @classmethod
    def __get_conn(cls):
        if cls.__conn is None:
            cls.__conn = pymysql.connect(host="数据库",
                                         port=端口,
                                         user="用户名",
                                         password="密码",
                                         database="数据库")
        return cls.__conn

    # 获取游标
    @classmethod
    def __get_cursor(cls):
        if cls.__cursor is None:
            cls.__cursor = cls.__get_conn().cursor()
        return cls.__cursor

    # 执行sql
    @classmethod
    def exe_sql(cls, sql):
        try:
            # 获取游标对象
            cursor = cls.__get_cursor()
            # 调用游标对象的execute方法，执行sql
            cursor.execute(sql)
            #  如果是查询
            if sql.split()[0].lower() == "select":
                # 返回所有数据
                return cursor.fetchall()
            #  否则：
            else:
                # 提交事务
                cls.__conn.commit()
                # 返回受影响的行数
                return cursor.rowcount
        except Exception as e:
            # 事务回滚
            cls.__conn.rollback()
            # 打印异常信息
            print(e)
        finally:
            # 关闭游标
            cls.__close_cursor()
            # 关闭连接
            cls.__close_conn()

    # 关闭游标
    @classmethod
    def __close_cursor(cls):
        if cls.__cursor:
            cls.__cursor.close()
            cls.__cursor = None

    # 关闭连接
    @classmethod
    def __close_conn(cls):
        if cls.__conn:
            cls.__conn.close()
            cls.__conn = None

封装后，只需要引用上封装好的包，编辑SQL即可； 

from tools.mysql_util import MysqlUtil

a=MysqlUtil.exe_sql("select * from tb_board")
print(a)

 

 6. 测试脚本编写

◼ 选择工具（Loadrunner、Jmeter、Locust等）

◼ 选择协议（Http、TCP、RPC）

◼ 参数化

◼ 关联

◼ 检查点

◼ 事务判断

7. 执行测试脚本

说明：先保证脚本调试通过之后，才能进入正式压测阶段

执行测试脚本时，要先进行性能运行场景的设置，再运行脚本

8.性能测试监控

性能监控就是监控服务器的各项性能指标。例如：监控CPU、内存、网络、TPS、磁盘IO等

9. 性能分析和调优

说明：性能测试分析人员经过对结果的分析以后，有可能提出系统存在性能瓶颈。

提示：

  调优人员 ( 开发人员、数据库管理员、系统管理员、网络管理员、性能测试分析人员 ) 相关人员对系统进行调整;

10. 性能测试回归 

验证 - 性能测试人员继续进行回归 测试，与以前的测试结果进行对比，从而确定经过调整以后系统的性能是否有提升，资源使用情况是否正常；

注意 :

系统调优由易到难的先后顺序如下：

1. 硬件问题

2. 网络问题

3. 应用服务器、数据库等配置问题

4. 源代码、数据库脚本问题

5. 系统构架问题

11.性能测试报告总结

• 概述
• 测试环境
• 结果与分析
• 调优说明
• 项目时间表
• 结论
• 建议