普遍的热电性能测试指标

2024-03-24 08:03:08 来源：互联网分类：工业机械知识

先从核心的热电性能测试指标开始。

1.吞吐量(平均吞吐量)

以前也在一篇文章中提到过。吞吐量是指应用程序的业务支持量，以TPS或QPS为单位衡量，表示每秒可以处理的请求数。

有一个模糊的概念叫“并发数”，它与吞吐量有关。

例如，管理者说这个系统需要支持2000个并发，该如何理解这一点？并发数和吞吐量是一样的吗？

不一定。

并发数为：

2.(总计)热电性能测试并发用户数

同时，系统中的用户数可能分布在不同的功能模块或页面上。

可能如下所示：

3.(总计)并发请求数

同时，系统中的用户同时向服务器请求的请求数可以分布在不同的功能模块或页面上。

所以这个时候，我会问经理2000名同时用户的数量，或者2000名同时请求的数量中的哪一个。根据以后的回答，可以设计各种测试方案。

我再说一遍为什么这里提到了测试场景。

这是因为在测试一个系统的性能或吞吐量时，不可缺少特定的业务方案。在解释为什么之前，请看看这个。

4.热电性能测试的平均响应时间

有些请求从开始接收服务器端响应所需的平均时间。

为什么不可少了具体的业务场景，请看公式1。

一段时间内的平均吞吐量=该期间内的并发请求总数/该期间内的平均响应时间

例如，导入静态图片会缩短响应时间，因此根据公式1，单位时间内请求的平均响应时间越小，平均吞吐量越高。如果服务器端请求需要进行一定计算的资源，则响应时间会增加。当然，根据公式1，吞吐量会减少。

换句话说，响应时间与吞吐量成反比，因此在讨论系统性能时，不可少了响应时间，即具体的业务场景。

在实际测试工作中，我们逐步施加压力。一次增加一个阶段的虚拟并发用户数，并观察响应时间变化，因为响应时间和吞吐量成反比。那么，观察响应时间时，就是观察吞吐量的变化。

压力低时，吞吐量可能与虚拟并发用户总数成正比。随着用户数量的逐渐增加，可能的吞吐量增长速度可能会逐渐下降。因为压力上升，系统处理请求能力下降，平均响应时间延长。直到某个时间点开始，吞吐量不再增加，反而下降。这就是系统处理能力的瓶颈。

在这个吞吐量上升的过程当中，我们可以观察到另一个数字有可能上升。

5.热电性能测试错误率

5.1一段时间内发生错误的请求总数的百分比。

对错误率的容忍取决于系统要求。然后，普遍的错误会划分情况。5.1返回值错误。这里区分是HTTP请求等错误还是业务错误。可能出现错误的这些值必须在测试脚本中进行验证或验证。

5.2没有返回值错误或超时。

有些请求可能会超时，这不仅会造成错误率，还会影响平均响应时间。

平均响应时间=所有请求所需的总时间/请求总数

个别逾时要求会大幅增加要求所需的总时间。因此，平均响应时间的细分更多。例如：

热电性能测试的平均响应时间6.90%

从计算平均响应时间的请求中删除较慢的10%，然后重新计算平均响应时间。

显然，使用90%的平均响应时间将消除出现错误超时的请求，从而使结果数据更接近实际值。

最后再介绍一个指标.