性能环境，也是困扰性能测试人员很重要的一个问题。如何模拟线上真实的环境？如何在测试环境进行的性能测试结果，能准确的反应到生产线上去？
　　先聊下我们的做法。
　　首先确认线上的网络拓扑图。比如：

　　左边是线上环境，线上一般是分布式集群部署。比如用户访问服务器A，而服务器A需要依赖到服务器B和C提供的服务，而服务器C与DB存储打交道。那么在性 能测试环境，为了模拟用户的行为，需要搭建服务器A，B，C和DB各一台。通过对单台服务器A的压测结果TPS，再线性乘以机器数量，完成线上服务器A集 群的TPS的评估。
　　这样做，简单的完成了线上和线下的结果推算。但是这样做，有一个前提：是保证线上和性能测试环境的机器配置是一样的。机器的配置分为2个部分：硬件和软件。
　　硬件方面，比如机器是4核4G的xen虚拟机，千兆网卡，SATA磁盘。
　　软件方面，包括操作系统的版本，位数，比如：redhat 5.4，**位机器；JDK版本：openJDK 1.6.0；JVM参数配置；web容器：tomcat7.
　　上面说的是应用层面，性能测试还有很重要的一步，是性能测试数据的准备。
　　性能测试数据库的环境也与应用层一样，保持和线上一样的硬件与软件配置。这里有个问题是：生产线上一台数据库，对应多台应用。而在性能测试环境中，被我们映射成1：1的关系后，很难找到数据库层的性能瓶颈，因为在压测过程中，应用层会比数据层更快到达性能瓶颈。
　　接下来，简单描述下性能测试数据的准备。性能测试数据的准备也分为2个部分。1是业务数据，2是基础数据。
　　什么是业务数据？业务数据是性能测试要模拟的用户拥有的数据。比如卖家A，有100个商品。100是业务数据。基础数据是商品所在表的总数据量。比如100W。
　　性能测试的数据，不光要关注业务，更要关注数据库表的量级，因为100条数据，和100W条数据，性能测试出来完全是两个结果。
　　为了数据的准确性，性能测试的数据表，也要满足生产线上表的量级。
　　满足了这些条件，性能环境才能基本真实模拟生产线的环境，测试出来的结果才有推算上线后结果的可能。
　　后记：
　　每个公司的业务不同，系统架构也不同，所以性能测试环境方面肯定有很大的差异。我只是简单的写了我所在公司的性能环境的一些知识，分享给大家，供大家一个参考，希望你能从这里获得有用的东西。关于性能测试环境，我的一些观点：
　　1. 如果允许生产线做性能测试，尽量做生产线性能测试。同样的环境，性能测试的结果才有意义，性能测试的价值也大体现。
　　2. 测试环境的配置可以与线上一样，可以做下N：1的映射。结果线性乘以机器数，可以评估线上集群的负载。
　　3. 真没条件，线上线下环境差异很大。尽量找一些代码级别的性能瓶颈。优化后再上线，线下的结果不用去推算线上，很不科学