零基础学习性能测试：第一章 - 核心性能指标：吞吐量(QPS/TPS)

本章核心目标：掌握吞吐量指标的本质意义、计算方法、应用场景，学会在实际工作中测量、分析和优化吞吐量性能。

一、吞吐量核心概念解析

1. 吞吐量定义与分类

指标	全称	定义	适用场景
QPS	Queries Per Second	系统每秒处理的请求数量	API接口、Web服务
TPS	Transactions Per Second	系统每秒完成的事务数量	支付系统、数据库操作

2. 核心区别与关系

维度	QPS	TPS	关系公式
关注点	请求处理能力	业务处理能力	1个事务 = N个请求
计量单位	请求/秒	业务事务/秒	TPS = QPS / 请求事务比
示例场景	每秒HTTP请求数	每秒支付订单数	支付事务=3请求：登录+支付+通知

实际案例：

• 电商下单：1个TPS = 5个QPS (加入购物车+结算+支付+扣库存+发通知)
• API服务：QPS = TPS (每个请求都是独立事务)

二、吞吐量关键价值与工作应用

1. 吞吐量的业务意义

2. 实际工作场景应用

场景	吞吐量指标	决策依据
服务器采购决策	单机最大QPS	确定服务器配置和数量
云服务成本优化	实际运行QPS	动态调整云资源规模
大促容量规划	峰值TPS预测	提前扩容资源
系统架构优化	优化前后TPS对比	验证优化效果

工作模板：容量规划报告

双11容量规划报告

1. 业务目标：支撑50万笔/小时订单
2. TPS需求：140 TPS (50万÷3600秒)
3. 当前能力：100 TPS (压测结果)
4. 缺口分析：40 TPS容量不足
5. 解决方案：增加4台服务器（每台提升10 TPS）

三、吞吐量测试实战指南

1. 测试工具选择

工具	适用场景	吞吐量测试能力
JMeter	API/Web服务	支持QPS/TPS实时监控
LoadRunner	企业级复杂系统	完善的事务定义功能
wrk	高性能HTTP压测	轻量级高并发测试
k6	云原生测试	强大的结果分析功能

2. JMeter吞吐量测试全流程

实操步骤：

1. 添加线程组：设置并发用户数（1000线程）
2. 添加事务控制器：标记业务事务
3. 添加HTTP请求：配置API参数
4. 添加聚合报告监听器
5. 运行测试并查看结果：

   Samples: 10000 (总请求数)
   Average: 50ms (平均响应时间)
   Throughput: 500/sec (QPS)
   Transactions: 200/sec (TPS)
   

3. 关键配置参数

参数	推荐值	说明
线程数	模拟实际并发用户	逐步增加找到瓶颈点
加速时间(Ramp-up)	10-30秒	避免瞬时压力冲击
循环次数	永久循环	持续测试稳定性
超时时间	5000ms	防止阻塞线程

四、吞吐量瓶颈分析与优化

1. 瓶颈定位四步法

2. 常见瓶颈及解决方案

瓶颈类型	特征	优化方案	优化效果
CPU瓶颈	CPU使用率>80%	优化算法/增加CPU核心	提升30-50% TPS
数据库IO	磁盘等待>20ms	增加索引/读写分离/SSD	提升2-5倍TPS
线程阻塞	线程池活跃线程=最大值	增大线程池/异步处理	提升100%+吞吐量
网络延迟	网络传输时间>100ms	CDN加速/专线接入	减少30-70%响应时间

3. 优化案例：电商系统吞吐量提升

1. 初始状态：

   • TPS：120
   • 响应时间：800ms(P95)

2. 瓶颈定位：

   • 数据库CPU使用率90%
   • SQL查询时间>500ms

3. 优化措施：

   • 添加商品查询索引
   • 引入Redis缓存热销商品
   • 分库分表用户订单数据

4. 优化结果：

   • TPS：350 (提升191%)
   • 响应时间：150ms(P95)

五、工作应用模板与工具

1. 吞吐量测试报告模板

系统吞吐量测试报告

测试目标
验证用户登录接口能否支撑1000 QPS

测试环境

• 服务器：4核8G云服务器
• 网络：1Gbps带宽
• 测试工具：JMeter 5.4.1

测试结果

并发用户数	QPS	平均响应时间	错误率
500	420	320ms	0%
1000	780	480ms	0.2%
1500	850	1200ms	5.3%

结论与建议

1. 系统最大安全QPS为780（1000并发）
2. 1500并发时响应时间陡增，需优化：
   • 增加Redis缓存会话信息
   • 数据库连接池从50调至100

2. 吞吐量监控看板(Grafana)

{
  "panels": [
    {
      "type": "graph",
      "title": "实时QPS",
      "targets": [{
        "expr": "sum(rate(http_requests_total[1m]))",
        "legend": "{{service}}"
      }]
    },
    {
      "type": "gauge",
      "title": "当前TPS",
      "targets": [{
        "expr": "sum(rate(order_created_total[1m]))"
      }]
    }
  ]
}

3. Linux实时吞吐量监控

# 网络吞吐量监控
nload -m eth0

# HTTP服务QPS监控
tail -f access.log | awk '{print $4}' | \
unix2dos | cut -c 14-21 | \
sort | uniq -c

# 输出示例：
# 120 [12/May/2023:15:01]
# 185 [12/May/2023:15:02]

六、明日即可应用的技能

1. 吞吐量快速评估公式

理论最大QPS = 1000 / 平均响应时间(ms) × 并发线程数
实际最大QPS = 理论最大QPS × 0.7（预留30%缓冲）

工作应用示例：

• 系统平均响应时间：50ms
• 服务器并发线程数：200
• 理论QPS = 1000/50 × 200 = 4000 QPS
• 建议生产配置：2800 QPS（4000×0.7）

2. 性能测试检查清单

吞吐量测试前检查

• 明确测试目标：QPS还是TPS？
• 确定基准值：当前生产环境吞吐量
• 设计合理场景：模拟真实用户行为
• 准备监控工具：JMeter+Prometheus
• 设置告警阈值：响应时间&错误率

测试中关注点

• 资源饱和度：CPU/内存/IO
• 错误类型：超时/5xx错误
• 吞吐量曲线：是否达到平台期

3. 优化优先级矩阵

工作口诀：
QPS量请求，TPS计事务
瓶颈先资源，再查阻塞处
优化看收益，监控不能忽

掌握吞吐量指标将使你在工作中：

1. 精准评估系统容量
2. 科学规划资源投入
3. 快速定位性能瓶颈
4. 量化优化效果价值
5. 提升系统稳定性与用户体验