來自：http://www.cnblogs.com/fnng/archive/2012/03/04/2379744.html    作者：蟲師

之前寫過一篇《在做效能測試之前應該知道什麼》有博文，自我感覺講的不好，舉了兩個例子，和做效能測試之前需要知道的一些要點。離我的題目有差距。二則覺得講的不全。其實，要做效能測試需要知道的東西太多了。豈是一篇博文都能說全的。在這裡表示一下愧疚之情。

         好多測試新手，在做完效能測試之後，不知如何對測試資料進行分析。在這裡我想談談一些效能測試引數的相關知識。當然，也不是一篇博文就能說清道明的。只希望在你的測試道路上能給你一絲幫助。

        不怕囉嗦的再次忠告，那想成為測試高手的新人，多學學基礎知識。別把過多的時間放在研究新工具的使用上。工具何其多，原理差不多。不要本末倒置了。也算是自我提醒吧！

效能測試常見指標

     效能測試說白了就是通過工具模擬多個使用者對被測系統進行訪問。然後檢視系統對於多個使用者發來請求的處理能力。

     左邊的兩個小人表示兩個使用者，向右邊伺服器傳送請求，然後得到伺服器的響應資訊。

    首先，我們要保證向伺服器傳送的請求的正確性，當然使用者向伺服器傳送錯誤的請求，伺服器也會個客戶端響應資訊，但響應的是報錯資訊；所以，為了保證測試資料的有效性，我們的要保證傳送請求的正確性。

     為什麼一般的效能測試要在局域進行？

     一般我們的效能測試都是在區域網中進行的。為什麼一定要在區域網中進行呢？因為區域網中不受網路限制。這個說法不能絕對。但是一般測試工具的使用者併發量是不會受到區域網頻寬的限制，除非你做的是十萬，百萬級別的使用者併發。相信懂一點網路知識的人都知道，當你上網很慢的時候，比如開啟某某網站很慢，你肯定會罵電信的網路不給力，而不會罵這個網站響應速度不給力。因為，請求資訊的耗時大部耗在傳輸過程中。

     所以，剛做測試時，我們群裡熱議論，如果我們每個人都開一個壓力工具對百度網站進行加壓。百度，伺服器會不會掛掉。有測友說這樣是不道德人。呵呵！其實，完全不必有這個擔心。就一般人家用的頻寬，我確保，你向百度伺服器傳送的請求大部分都死在半路上，就算不死到了百度伺服器已經不能叫併發了。何況百度伺服器的叢集技術以及其他各種分壓技術。所以，做效能測試不瞭解被測系統的架構，以及各種技術的效能。很難做出有效的測試報告。

下面我們看看效能測試的一些技術指標。  

Work Load = Virtual Users

工作負荷 = 虛擬使用者數

     對伺服器產生多大壓力，可以由多少使用者同時對伺服器傳送請求來衡量。也就是伺服器的效能可以看它同時處理多少使用者傳送來的請求來衡量。 虛擬使用者數可以用程序或執行緒的方式進行模擬。 response time  響應時間        從客戶端將資料包發出，到接收到伺服器端發來的請求。這個過程的總體時間叫response time         這個時間用來衡量的處理請求的速度（丟擲網速限制的前提下） throughput ~Ti & To        這個表示，吞吐量，吞吐量越大表示系統性能越強。1個使用者跑100天和10個使用者跑1分鐘。當然是1個使用者跑100天的吞吐量大。所以，我們要想看系統的效能應該用“吞吐率”，就是單位時間的吞吐量，比如吞吐量/秒。       站在伺服器端，T-in表示“吞”；T-out表求“吐” Ti：T-in 主要衡量客戶端的能力，看客戶端往伺服器傳送的請求資料包的吞吐率。  To： T-out 主要衡量的伺服器端的能力，看伺服器處理返回請求資料包的吞吐率。 Hits/Request 網頁點選數/請求 Response/Successful Response 響應/成功的響應      Request與Response是對應，一個請求對應一個響應。但當客戶端對伺服器的壓力達到一直程度後，不是每一請求都能得到響應的。去年末火了個最牛B的“電子商務”網站。12306（鐵路網上訂票系統），雖然有很差的使用者體驗，但每天還是大把的人拼命的登入（過年回家的人傷不起），甚至用外掛登入。見有網友云云點選（請求）了幾十幾百次才訂票（響應）成功。所以，成功響應率也是很重要的一個指標。客戶端傳送一千個請求的成功得到響應的機率。  Hits Per Second  每秒中點選次數      和吞吐量一樣，單單用點選數（hits）來衡量系統也是不合理的。所以，用每秒鐘的點選數才能衡量出伺服器的處理能力。

響應時間圖分析

橫座標表示使用者數 縱座標表示時間 紅色虛線，表求的是一種系統的理想狀態。   當伺服器處理10個使用者請求時所用的時間是2秒（假設），當伺服器處理200使用者請求時所用的時間也是2秒。所以說這種狀態是一種理想的狀態。現實中，不管是如何超級強的伺服器當用戶數達到一定數量時，響應時間必會變慢。 藍色斜線，是伺服器常見的一種曲線狀態。     伺服器的響應時間雖然使用者數量的增加逐漸變慢。 當系統出現這種斜線，應該說系統性能是相當健壯的。隨著使用者的增長響應時間逐漸變長。 黑色曲線，個人覺得是伺服器處理能力的真實曲線狀態。      為什麼說黑線才是真實伺服器處理能力的曲線呢？當用戶處理一個使用者請求是2秒（假設），當處兩個使用者請求是馬上變成3秒（假設），當處理3個使用者請求時變成4秒（假設）。再差的伺服器也有個處理範圍，比如是，100使用者同時併發，伺服器可以輕鬆應對，不管是10個使用者還是80個使用者同時請求，伺服器都可以即可響應（請參考理髮店模式）。只有當用戶數量達到某個數量點後，伺服器效能急劇下降。如上圖黑色十字星處就是系統的拐角點。       我們假設有一個門，在一個時間點上可同時過10個人，不管你是同時來3個還是10個都可以在同一時間點過門，假如來了11個人，必然有一個人要等10個人過門之後才能過。那麼當超過10人來過門時，過門的速度就開始變慢。那麼10就是伺服器效能的拐角點。我們通常做壓力測試找伺服器的拐角點是很重要的任務之一。      關藍色曲線與黑色區線只是我們常見兩種曲線。現實的測試中可能出現各種樣式的曲線。當然還要看你做測試的細度，比如，10個使用者是系統的拐點，如果你做完5個使用者的一輪測試後，就是20使用者的測試。那麼畫出來的曲線就變成斜線，拐點將被護忽略掉。

吞吐率圖分析　　

橫座標虛擬使用者數 縱座標有吞吐率（伺服器端） 紅色虛線，表示一種理想的狀態。    隨著使用者數量的增加吞吐率也在持續增加。 黑色曲線，表示現實系統的吞吐率狀態。      剛開始吞吐率隨著使用者數量的增加逐漸變大，當大到一定程度時，逐漸平緩直到變成一條平線。 如果使用者還在持續增加中，那麼吞吐率有可能下降，直到系統掛掉。      為什麼會是這樣呢？我們通過另一個例子來說，大家都在城市生活，相信上下班高峰期都會遇到堵車。在比較重要的紅綠燈路口常會見到堵車現象。假如每個綠燈可以通過10輛，前期來三五輛車，遇到綠燈，一次都過去了。到了下班高峰期，車子變多，一下來了20輛，但這個路口的綠燈每天只能通過10輛，所以，這個時候，路口的通過率不會根據車輛的增加而繼續增加。     好的系統好像好有個好的交警在位置秩序，雖然車輛還在增加，但每個車輛都有條不紊等待通過路口。     不好的系統如路口趕上交警拉肚子，車輛在增加，後面車輛等得不耐煩就往前擠，結果稿得互不相讓。好嘛！之後還每個綠燈可通過10輛，現在只能有一輛車從夾縫中脫離苦海了。     響應時間圖與吞吐率圖並不是我們一輪效能測試下來就能得到結果。需要經過多輪測試才能得到。設定不同的使用者數量，得到每次的測試資料，將每次資料連線，從而得到最終系統性能曲線。關於使用者數量每次增加的數量自己把握。如果，想精確，可以每次增加1個使用者的方式來做，不過這樣勢必加大工作量，也沒必要。這個需要每做完一輪測試後對資料進行分析，然後確定下輪測試所要設定的虛擬使用者數。       關於，效能指標的分析，就先談到這裡。關於內容，我反覆經過思考，但難免有理解有誤之處。還望高手點撥。共同進步。