提示

上一阶段，我们已完整掌握Selenium Grid分布式功能测试的核心内容，包括Hub与Node的架构部署、分布式用例编写、多节点并行执行及问题排查，实现了“多节点协同、提升测试效率”的目标，为后续复杂测试工作打下坚实基础。

功能测试验证“软件能不能用”，而性能测试验证“软件用得好不好”，是企业级软件测试不可或缺的核心环节。本笔记聚焦性能测试基础理论、技能要求、工具选择及相关标准，帮助大家快速入门性能测试，为后续实操学习奠定基础。

学习目标

1. 掌握性能测试的行业状况、发展趋势，建立对性能测试的整体认知；
2. 理解性能测试的基本理论，明确性能测试的核心价值与应用场景；
3. 了解性能测试技能树构成，明确后续学习方向；
4. 掌握性能测试工具的选择方法，能结合实际场景选择合适工具；
5. 熟记性能测试相关术语，掌握测试项目通过标准的确定方法。

1. 性能测试技能树

前言

定义

性能测试 是一项综合性较强的测试工作，需掌握多维度技能，核心技能树分为4个层层递进的层级：

1.1 基础层（必会）

• 计算机基础 ：了解CPU、内存、磁盘、网络的工作原理（性能瓶颈的核心来源）；
• 软件基础 ：掌握HTTP/HTTPS协议、MySQL数据库基础、Tomcat/Nginx服务器部署基础；
• 测试基础 ：熟悉软件测试基本流程、用例设计方法，具备前期所学的Selenium功能测试基础。

1.2 核心层（重点掌握）

• 性能测试理论 ：掌握性能测试的定义、常见类型、基本流程及核心指标；
• 工具实操 ：熟练使用至少1款主流性能测试工具（优先JMeter，开源易上手）；
• 场景设计 ：能根据简单业务需求，设计基础的性能测试场景（如并发场景、负载场景）；
• 结果分析 ：能初步解读测试报告，识别常见的性能瓶颈（如CPU过高、接口响应慢）。

1.3 进阶层（了解一下）

• 脚本开发 ：能编写、优化基础的性能测试脚本（如JMeter脚本参数化、关联）；
• 监控工具 ：了解服务器监控工具（如Prometheus、Grafana）的基本使用；
• 调优基础 ：掌握常见性能瓶颈的基础调优思路（如数据库索引优化、简单接口优化）。

1.4 高级层（了解一下）

• 分布式性能测试 ：结合分布式架构，设计大规模并发测试场景；
• 全链路性能测试 ：覆盖从前端到后端、数据库、服务器的全链路性能监控与测试；
• 自动化性能测试 ：将性能测试集成到CI/CD流程，实现自动化触发、自动生成报告。

2. 性能测试工具

前言

定义

性能测试工具的核心作用是 模拟多用户并发、采集性能指标、生成测试报告，不同工具的特点、适用场景不同。

2.1 主流性能测试工具对比（重点记忆）

工具名称	核心特点	适用场景	优势	劣势
JMeter（Apache）	开源免费、功能强大、支持多协议、可扩展	Web/APP接口测试、中小型项目并发测试	免费、社区活跃、插件丰富、易上手，适合中小团队	万级以上高并发场景性能略弱，GUI模式占用资源多
LoadRunner（Micro Focus）	商业工具、功能全面、支持多协议、监控能力强	大型企业级项目、复杂高并发场景	稳定性强、高并发支持好、监控全面	收费昂贵、上手难度高
Locust（Python）	开源、基于Python、轻量级、支持分布式	高并发场景、Python技术栈项目（有Python基础可尝试）	轻量、高并发支持好、灵活度高	需掌握Python基础，GUI功能简单，报告不够直观
Gatling（Scala）	开源、基于Scala、高性能、支持实时监控	高并发场景、Scala/Java技术栈项目	性能优异、实时监控强、报告清晰	需掌握Scala基础，上手难度中等，社区活跃度低于JMeter

2.2 工具选择方法

工具选择核心原则：贴合学习/项目需求、匹配自身技术能力、控制学习成本，具体步骤如下：

1. 明确测试需求 ：确定是接口性能测试，明确并发量（千级以内）、测试场景（如简单并发、负载测试）；
2. 匹配技术能力 ：熟悉Java，优先选择JMeter；有Python基础可尝试Locust，无需学习复杂的商业工具；
3. 考虑学习成本 ：优先选择开源、社区活跃、教程丰富的工具（JMeter），降低学习难度，适合自主练习；
4. 结合场景选择 ：中小型项目、接口测试→ JMeter；高并发、Python技术栈 → Locust。

3. 性能测试相关术语

前言

定义

性能测试的核心是用数据说话 ，需先掌握核心术语，才能明确测试目标、判断测试是否通过。

3.1 核心术语

• 响应时间（Response Time） ：从用户发起请求到收到服务器响应的总时间，单位为毫秒（ms）；核心观测点：平均响应时间、90%响应时间（P90）、95%响应时间（P95）。
• 并发用户数 ：同一时间向服务器发起请求的用户数量，≠ 实际在线用户数（在线用户可能不发起请求）。
• 吞吐量（Throughput） ：单位时间内服务器处理的请求数量，单位为QPS（每秒查询数）、TPS（每秒事务数）；核心观测点：平均吞吐量、峰值吞吐量。
• 并发量 ：服务器同时处理的请求数量，与并发用户数相关但不等同（一个用户可能同时发起多个请求）。
• 资源利用率 ：服务器CPU、内存、磁盘IO、网络IO的使用率，核心观测点：峰值利用率、平均利用率。
• 性能瓶颈 ：导致系统性能下降的关键环节（如CPU过高、内存泄漏、数据库慢查询）。
• 负载测试 ：逐步增加并发用户数，观察系统性能变化，找到系统最大处理能力。
• 压力测试 ：超过系统预期负载，持续运行测试，观察系统是否崩溃、能否恢复。
• 稳定性测试 ：预期负载下持续运行一段时间（如24小时），观察系统是否稳定、有无异常。

3.2 性能测试通过标准

通过标准无统一模板，需结合业务需求、用户体验、系统设计指标确定，核心原则：“满足业务正常运行，用户体验良好，系统稳定可靠”，通用标准如下：👇

3.2.1 响应时间标准（用户体验核心）

行业通用标准：

• 普通接口 （如查询、列表）：平均响应时间 ≤ 500ms，P95响应时间 ≤ 1000ms
• 核心接口 （如登录）：平均响应时间 ≤ 300ms，P95响应时间 ≤ 800ms
• 复杂接口 （如大数据查询）：平均响应时间 ≤ 1000ms，P95响应时间 ≤ 2000ms
• 无超时情况 （响应时间 ≤ 5000ms，超时率为0）

3.2.2 吞吐量标准（系统处理能力）

参考标准： 👇

• 中小型项目（如校园系统）：峰值QPS ≥ 200，平均QPS ≥ 100
• 电商类练习项目：峰值QPS ≥ 500，平均QPS ≥ 200
• 吞吐量稳定，波动范围 ≤ 10%

3.2.3 资源利用率标准（系统稳定性）

服务器资源利用率合理范围：

• CPU利用率 ：峰值 ≤ 80%，平均 ≤ 60%（超过80%易出现卡顿）；
• 内存利用率 ：峰值 ≤ 85%，无内存泄漏（持续运行后内存不持续增长）；
• 磁盘IO利用率 ：峰值 ≤ 70%，无磁盘读写异常；
• 网络IO： 无明显瓶颈，带宽利用率 ≤ 75%。

3.2.4 稳定性标准（长期运行能力）

• 预期负载下，持续运行8-24小时，系统无崩溃、无异常报
• 事务成功率 ≥ 99.9%（核心事务成功率 ≥ 99.99%）
• 瞬时高负载后，系统能快速恢复正常，无持续卡顿