Web项目测试专题（六）压力测试

• 概述：

压力测试检验Web应用在高并发、高负载情况下的表现，帮助预估系统承载能力和发现瓶颈

• 步骤：

并发用户测试：增加虚拟用户数测试系统在多人同时使用时的表现

负载测试：模拟高负载情况测试系统的稳定性和响应时间

峰值测试：测试系统在瞬时高峰负载下的表现，观察系统是否崩溃或性能显著下降

持久性压力测试：长时间持续高负载运行，观察系统性能随时间的变化趋势，有无内存泄漏或性能退化现象

• 1. 并发用户测试

• 目标：

确定Web应用能够同时处理的最大用户数量，并观察在高并发情况下的表现。

• 步骤：

确定测试场景

选择关键业务场景，如用户登录、浏览商品、提交订单等。定义并发用户数量，从低到高逐步增加，观察系统的响应情况。

模拟并发用户

使用压力测试工具模拟大量用户同时访问系统。分阶段增加并发数，例如从50、100、200、500用户逐步增加。

监控性能指标

记录每个阶段的响应时间、成功率、吞吐量和错误率。监控服务器资源利用情况（CPU、内存、磁盘I/O、网络流量等）。

• 工具：

Apache JMeter：开源性能测试工具，可以模拟高并发用户请求。

LoadRunner：企业级性能测试工具，支持多种协议和复杂场景。

• 关键点：

确认并发用户数增加时，系统响应时间和错误率是否在可接受范围内。

找到系统处理高并发请求的瓶颈位置。

• 2. 负载测试

• 目标：

负载测试的目标是通过模拟不同程度的负载条件，评估系统的性能极限、稳定性与可靠性，识别性能瓶颈，为性能优化和容量规划提供数据支持，以保障系统在各种负载下都能提供良好的用户体验和服务质量。

• 步骤：

定义负载条件：

根据实际生产环境，设定模拟的负载条件，如持续访问、峰值访问等。确定测试的持续时间（如1小时、4小时、24小时）

创建负载脚本：

使用压力测试工具编写负载测试脚本，模拟实际用户行为。设置合理的请求频率和并发用户数

执行负载测试：

运行负载测试脚本，模拟高负载条件下系统的工作情况。实时监控系统性能指标和服务器资源利用情况

• 工具：

BlazeMeter：基于JMeter的云端负载测试平台，适合大规模负载测试

Gatling：高性能负载测试框架，支持DSL编写负载脚本

• 关键点：

确认系统在长期高负载条件下没有出现性能下降或资源耗尽的情况

观察负载测试期间是否有异常错误或崩溃

• 3. 峰值测试

• 目标：

评估Web应用在瞬时高峰访问量下的表现，观察系统是否能稳定处理突发流量。

• 步骤：

定义峰值条件

设定短时间内的高峰流量，如模拟抢购、秒杀活动等场景。确定高峰流量的模拟时间段（如几分钟至10分钟）。

创建峰值脚本

使用压力测试工具编写峰值测试脚本，快速增加并发用户数量。设置高频率请求，使并发用户数在短时间内骤增。

执行峰值测试

运行峰值测试脚本，观察系统在瞬时高流量情况下的响应和性能。监控系统的负载变化和资源利用情况。

• 工具：

k6：现代开源负载测试工具，支持编写复杂测试场景。

Locust：分布式用户负载测试工具，使用Python编写测试脚本。

• 关键点：

验证系统在高峰流量下是否保持稳定，响应时间和错误率是否在可接受范围内。

确认系统对突发流量是否有良好的弹性处理能力。

• 4. 持久性压力测试

• 目标：

评估Web应用在长时间持续高负载下的性能表现，发现潜在的问题和稳定性瓶颈。

• 步骤：

定义持久性压力条件

设定长期持续高负载的测试场景，模拟实际生产环境中的持续访问情况。确定测试持续的时间段（如一周、一个月）。

创建持久性压力脚本

使用压力测试工具编写压力测试脚本，模拟长时间高负载的用户行为。确保测试脚本能灵活应对不同负载情况。

执行持久性压力测试

连续运行持久性压力测试脚本，观察系统在长时间高负载下的表现。定期记录和分析性能数据、系统日志、错误日志等。

• 工具：

Grafana + Prometheus：用于监控和记录长时间测试的系统性能指标。

Elastic Stack (ELK)：用于收集和分析日志数据，发现潜在问题。

• 关键点：

观察系统是否存在性能退化现象，如资源使用逐渐增加、响应时间变长。

确认在长时间高负载下系统能保持稳定，无内存泄漏等问题。

5.负载测试和峰值测试、持久性压力测试的关系

联系

• 目的具有一致性：三者的主要目的都是评估系统在不同负载条件下的性能表现，以发现系统可能存在的性能问题，如响应时间过长、吞吐量不足、资源利用不合理、系统不稳定等，进而为系统的优化和改进提供依据，确保系统能够满足实际业务需求。
• 相互补充验证：负载测试可以为峰值测试和持久性压力测试提供基础数据和参考。例如，通过负载测试确定系统的正常负载范围和性能基准后，峰值测试可以在此基础上进一步探索系统在极限峰值负载下的表现，持久性压力测试则可以验证系统在长期处于一定负载水平（可能是正常负载、也可能是接近峰值的负载）时的稳定性和可靠性，三者相互配合，能更全面地了解系统性能。
• 部分测试方法重叠：在实施过程中，它们都需要通过工具模拟不同的用户行为和负载场景来对系统进行施压。比如都可能会使用到 JMeter、LoadRunner 等性能测试工具，通过设置不同的参数和场景来模拟各种负载情况，对系统的响应时间、吞吐量、资源利用率等性能指标进行监测和分析。

区别

• 测试重点不同
  • 负载测试：重点在于通过逐步增加负载，考察系统在不同负载级别下的性能变化情况，确定系统的性能拐点、最大承载能力以及性能瓶颈所在。
  • 峰值测试：主要关注系统在短时间内承受峰值负载时的运行情况，检验系统能否在瞬间高并发或大数据量等极端条件下正常工作，是否会出现崩溃、数据丢失等严重问题。
  • 持久性压力测试：侧重于验证系统在较长时间内持续处于一定负载压力下的稳定性和可靠性，观察系统是否会出现内存泄漏、性能逐渐下降、资源耗尽等问题。
• 测试时间和负载模式不同
  • 负载测试：测试时间可长可短，负载通常是逐步递增的，以观察系统在不同负载阶段的性能表现。
  • 峰值测试：测试时间一般较短，通常是在短时间内让系统承受极高的负载，模拟系统可能遇到的最极端的使用情况。
  • 持久性压力测试：测试时间较长，一般会持续数小时、数天甚至更长时间，负载相对稳定，保持在一个较高的水平或者根据业务场景有一定的规律波动。

• 工具推荐

• 自动化测试工具：

Apache JMeter：支持模拟并发用户、负载测试、大规模测试

LoadRunner：企业级工具，适合复杂的性能测试场景

k6：轻量级高效工具，适合开发过程中的性能测试

• 性能监控工具：

New Relic：实时监控应用性能，识别性能瓶颈

Grafana + Prometheus：开源监控解决方案，支持可视化性能数据

Elastic Stack (ELK)：集日志收集、存储、分析于一体，适合长期压力测试的数据分析

• 关键指标

在进行压力测试时，重点关注以下关键性能指标：

响应时间（Response Time）：从请求发出到收到响应的时间。包括平均响应时间、百分位响应时间（90th，95th，99th）等

吞吐量（Throughput）：单位时间内系统处理的请求数量，如每秒事务数（TPS）

错误率（Error Rate）：请求失败的比例，反映系统在高负载下的稳定性

资源利用率（Resource Utilization）：服务器资源的使用情况，包括CPU使用率、内存使用率、磁盘I/O、网络带宽等

会话数据（Session Data）：包括并发用户数、活跃会话数等，观察系统对并发会话的处理能力