性能测试关注的核心指标

​1. 响应时间（Response Time）​​

• ​定义​：从发送请求到接收到响应所花费的时间。
• ​细分指标​：
  • ​平均响应时间​：所有请求的平均耗时。
  • ​P90/P95/P99​：90%、95%、99%的请求的响应时间（反映长尾延迟）。
  • ​最大响应时间​：最慢请求的耗时。
• ​意义​：直接影响用户体验，过长可能表明系统存在瓶颈。

---

​2. 吞吐量（Throughput）​​

• ​定义​：单位时间内系统处理的请求数量（如：请求数/秒、事务数/秒）。
• ​常见场景​：
  • Web服务：请求数/秒（RPS）。
  • 数据库：事务数/秒（TPS）。
• ​意义​：反映系统的处理能力，与资源利用率直接相关。

---

​3. 并发用户数（Concurrent Users）​​

• ​定义​：同时向系统发起请求的用户数量。
• ​注意点​：
  • 并发用户 ≠ 在线用户（活跃用户才产生负载）。
  • 需模拟真实场景（如逐步增加并发数，观察系统表现）。

---

​4. 错误率（Error Rate）​​

• ​定义​：失败请求占总请求的百分比（如HTTP 5xx错误、超时等）。
• ​阈值​：通常要求<1%（关键系统可能要求<0.1%）。
• ​意义​：高错误率可能表明系统过载或存在缺陷。

---

​5. 资源利用率​

• ​CPU使用率​：过高（如持续>80%）可能成为瓶颈。
• ​内存使用​：内存泄漏或不足会导致性能下降。
• ​磁盘I/O​：读写延迟、队列长度（尤其对数据库重要）。
• ​网络带宽​：吞吐量是否受限于网络（如带宽占满）。

---

​6. 可扩展性（Scalability）​​

• ​定义​：增加资源（如服务器节点）后，系统性能的提升比例。
• ​测试方法​：通过水平扩展观察吞吐量/响应时间的变化。

---

​7. 稳定性（可靠性）​​

• ​长时间测试​（如24小时压测）关注：
  • 内存泄漏：内存是否持续增长。
  • 响应时间波动：是否随时间变慢。
  • 错误率变化：是否随负载累积上升。

---

​8. 数据库相关指标​

• ​查询延迟​：SQL平均执行时间。
• ​锁等待时间​：高并发下的锁竞争。
• ​连接池利用率​：连接数是否耗尽。

---

​9. 网络指标（针对分布式系统）​​

• ​延迟（Latency）​​：节点间通信耗时。
• ​丢包率​：网络稳定性影响。

---

​10. 其他场景化指标​

• ​电商系统​：订单创建耗时、支付成功率。
• ​视频流​：缓冲时间、卡顿率。

---

​如何选择指标？​​

• ​业务优先级​：例如，高并发系统更关注吞吐量和错误率。
• ​技术栈​：数据库密集型应用需监控SQL性能。
• ​SLA要求​：根据协议定义阈值（如P99响应时间<500ms）。

---

​工具示例​

• ​JMeter/Gatling​：统计响应时间、吞吐量。
• ​Prometheus+Grafana​：监控资源利用率。
• ​APM工具​（如SkyWalking）：定位代码级瓶颈。

通过综合分析这些指标，可以定位性能瓶颈（如CPU瓶颈、数据库慢查询）并优化系统。