性能优化 -1- 压测

随着并发压力的增加，系统响应时间和吞吐量如何变化

常用性能测试指标：

• 相应时间 RT , Response Time ： 用户感受到的时间（客户端视角）。应用系统从发出请求开始到收到最后响应数据所需要的时间。直观的反映了系统的快慢

• 并发数： 系统能够同时处理请求的数目，系统的负载特性。对于网站而言，并发数即系统并发用户数，指同时提交请求的用户数目。注意与在线用户数（当前登录系统的用户数）和系统用户数（可能访问系统的总用户数）的区别。一般来说，并发数不会太大，淘宝双十一高峰并发数可能是百万级别，可能同时在线数达到亿级，用户数可能超过十亿。

• 吞吐量： 单位时间内系统处理的请求数量，系统的处理能力。对于网站，请求数/秒，页面数/秒，访问人数/天，处理的业务数/小时

• QPS（TPS）： Transactions Per Second 每秒事务数

• 性能计数器： 描述服务器或操作系统性能的数据指标，包括 System Load、对象与线程数、内存使用、CPU 使用、磁盘与网络 I/O 等指标。

一个系统吞吐量通常由 QPS（TPS）、并发数两个因素决定，每套系统这两个值都有一个相对极限值，在应用场景访问压力下，只要某一项达到系统最高值，系统的吞吐量就上不去了，如果压力继续增大，系统的吞吐量反而会下降。

1. 并发数不变：QPS 不断增加，QPS 超过最大吞吐量后，会有大量请求等待，平均响应时间急剧下降

2. QPS 不变：增加并发数，会导致 CPU 并发线程过多，线上上下文切换频繁，内存消耗增加，从而使平均响应时间下降

参考：http://www.ha97.com/5095.html

用你熟悉的编程语言写一个 Web 性能压测工具

要求：输入参数：URL，请求总次数，并发数。输出参数：平均响应时间，95% 响应时间。用这个测试工具以 10 并发、100 次请求压测 www.baidu.com。

实现环境：Python， Locust

示例代码：

# 执行步骤：# 1. 安装： pip install -i https://pypi.tuna.tsinghua.edu.cn/simple locust#     或者下载whl from https://www.lfd.uci.edu/~gohlke/pythonlibs/#     windows前提安装VC++ build tool http://go.microsoft.com/fwlink/?LinkId=691126# 2. 运行： locust -f ./perf_test_baidu.py# 2.1       浏览器打开http://localhost:8089/。Web界面输入 User  = 10; HATCH_RATE = 10# 2.2       执行并查看结果from locust import HttpUser, task, between
class QuickstartUser(HttpUser):    wait_time = between(0.5, 1)        @task    def hello_world(self):        self.client.get("/")
    def on_start(self):        pass

执行方法：10 并发 user，每次请求间隔小于 1S。总请求 1000 次

压力测试结果：平均响应时间 = 95% 响应时间 = 22ms