性能测试已经是一个老生常谈的话题了，不同的项目或多或少都会涉及到，但是每个人的经验肯定有所不同。今天我想从两个方面分享一下我认为关于性能测试需要重视的要点。
　　 一、性能测试的需求
　　 1. 看似很明确的需求
　　 当问到性能测试的需求，我们的客户有时候会回答，“我们要支持20000个用户同时在线”，或者“每天有10000个用户同时访问这个网站”，更有甚者“我们也不知道，越多越好吧”。这种情况下我们应该怎么办呢?
　　 当用户说“我们有10000个用户同时访问这个网站”的时候，看似我们的需求已经很“明确”了。真的很明确了吗?就拿这个例子来说，这10000个用户都在干什么呢?假想下，可能有5000个用户在浏览静态页面，2000个在创建表单，1000个在做查询，还有... 真正产生压力的用户是谁呢?这恐怕不能单单从10000个用户同时访问这个网站得到结果。
　　 之前做过一个项目，客户为某机场，他们为用户提供免费的WiFi服务，但是提供在WiFi的同时，会在不同的页面播放广告。后台有一个广告管理系统，可以做一些配置，根据优先级来投放广告。这其中涉及到一些复杂的算法，主要是投放广告的比例。当然机场还有很多物料服务器，主要是用来存放广告的图片等等。当时用户给的性能需求也就一句话，“我们每天大概有xxxxxx个用户连接我们的WiFi”。那怎样来做性能测试呢?
　　 “多少个用户连接WiFi”其实只是一个最表面的现象，在连接WiFi的同时，其实系统做了很多事情。首先连接WiFi的时候会去访问分发服务器，确定要播放哪几个广告，其次会根据分发的广告，去物料服务器上找相应的资源，然后打点把广告访问的历史数据记录到数据库中。这是能联想到的一些最基本的后台操作，每一个行为都有可能成为一个瓶颈，都需要去认真考虑。
　　 所以在考虑性能需求的时候，一定要清楚背后的逻辑是什么，同时需要分析用户活动，从而确认系统的性能测试目标。
　　 2. 历史数据
　　 “性能现在的需求也不是很明确，但我们有原来的老系统，能帮我们看下吗?”
　　 对于性能测试来说，如果有很详细的历史数据，这将是一个非常珍贵的数据源，我们可以从中分析出很详细用户行为。之前我们做过一个项目，性能测试的需求基本上就是从历史数据中得到的。我们对数据库进行了很详细的分析，从而设计性能测试用例，这其中主要包含系统的哪些service承受了压力、压力是多大、用户量是多大等等。
　　 需要特别注意的是，如果对于业务的了解不够深，很容易导致场景的设计缺失，从而导致测试的场景和实际的场景有所偏差。比如分析某张表，分析出系统有10000个插卡拔卡记录，有的人可能直接就开始写脚本了，模拟一个用户每天做10000次插卡拔卡的操作。殊不知，这10000次插卡和拔卡的操作是4000个用户完成的...而性能的瓶颈很有可能就在用户的管理，而不是插卡拔卡产生的压力。
　　 所以建议在做历史数据分析的时候，一定尽量把场景分析全面，并且需要去了解真正的业务，才可以尽量减少分析的错误。
　　 3. 不明确的需求
　　 “我们也不知道需求是什么，你们看着办吧。”
　　 这种情况通常出现在一个新的项目，客户对上线后的用户体量并没有很好的认知。我们应该怎么做呢?
　　 通常我们会对系统进行负载测试，就是在被测系统上不断增加压力，直到性能指标(如响应时间)超过预期或者某种资源已经快达到饱和状态，这个时候我们基本就可以确定系统的瓶颈是什么、支持多大的吞吐量。再通过一段时间的稳定性测试，让系统在一定的时间内(比如一周)维持一定的压力，去查看相应的性能指标。
　　 这样，我们就可以告诉我们的用户，系统现在支持多大的用户访问量、吞吐量是多少。
　　 当然，现在提到的都是客户的需求，对于性能测试本身来说，我们也有一些明确的需求，也就是我们通常提到的index，下面我会继续深入讨论这个问题。
　　 二、定义性能测试的指标
　　 1. 性能测试指标
　　 通常来说我们会关注如下的性能测试指标。
　　 响应时间：比较熟悉的就是2-5-8原则(据统计当网站慢一秒就会流失十分之一的客户)，通常来说，2到5秒，页面体验会比较好，5到8秒还可以接受，8秒以上基本就很难接受了。但是有的项目也会例外，比如从海量的数据中去查询某些数据，或者生成报告(年度报告)，这种可能就不太适合2-5-8原则，但是前提是要管理好客户的期望。
　　 吞吐量：指的是在单位时间内客户端和服务器成功传送数据的数量
　　 并发：客户/服务端同一批用户同时执行一个操作的数量
　　 资源使用率：通常来说，我们关注的资源就是几大块：内存、CPU、I/O和网络
　　 成功率：比如在某些情况下，API调用的成功率
　　 当了解了我们所需要关注的性能指标，就可以来定义具体的性能测试指标了。
　　 我之前做一个比较大的项目的性能测试，系统提供很多服务，有web service，有windows的services，基本上每个services都是单独部署在一台window的服务器上，所有的services都连到同一个数据库。由于这个系统并不存在网页，所以我们并没有把页面加载这些考虑在内。我们从历史数据中首先了解到了系统需要满足的并发量，针对每个service去做相应的压力测试，并且定义对应的性能测试指标。如下图：

　　上图就是对于web service性能测试的指标和结果，这个结果是我们基于每秒有7个Post请求+3个get请求而产生的。
　　 这其中的性能指标包含了我们对这个service的单独的内存监控、CPU监控，以及成功率的监控，还有相应的原因分析。通常来说，对于内存、CPU等的占用率，业界都有很共识的标准，大家可以拿来作为参考，由于我们服务器是8g内存，8核CPU，所以表现还是相当不错的。
　　 其他的service也是类似的，我们考察的点主要在于CPU，内存的占用率，还有成功率。
　　 由于网络一开始我们就认为不是瓶颈(都在内网)，所以我们并没有把网络相应的指标加进去。
　　 需要特别注意的数据库server，和其他windows service或者web service不一样，对于DB server我们需要特别关注的是I/O，数据库的瓶颈一般都是出现在I/O上面。
　　 2. 自定义指标
　　 在项目中我们往往还要自定义一些其他的指标，来查看某些特定的性能。比如：
　　 为了分析方便，我们在一些service的关键方法上都加上时间戳，便于去做trouble shooting。于是我们有了一下的指标，图一是某个方法的平均调用时间，图二是我们计算出的最慢调用方法的top10：

　　总体来说，性能测试的指标可以从不同的方面去定义，比如响应时间、资源利用、并发数、吞吐量、并发数...