内容简介：本测试报告，在性能测试结束阶段，对测试结果进行分析，并给出结论。1、事务平均响应时间 (Average Transaciton Response Time)“事务平均响应时间”显示的是测试场景运行期间的每一秒内事务执行所用的平均时间，通过它可以分析测试场景运行期间应用系统的性能走向。
引言
编写目的
本测试报告，在性能测试结束阶段，对测试结果进行分析，并给出结论。
术语定义
1、事务平均响应时间 (Average Transaciton Response Time)
“事务平均响应时间”显示的是测试场景运行期间的每一秒内事务执行所用的平均时间，通过它可以分析测试场景运行期间应用系统的性能走向。
2、每秒通过事务数/TPS (Transactions per Second)
“每秒通过事务数/TPS”显示在场景运行的每一秒钟，每个事务通过、失败以及停止的数量，使考查系统性能的一个重要参数。通过它可以确定系统在任何给定时刻的时间事务负载。分析TPS主要是看曲线的性能走向，将它与平均事务响应时间进行对比，可以分析事务数目对执行时间的影响。
3、并发用户数 (Vuser)
“并发用户数量”，在同一时刻与服务器进行交互的在线用户数量。这些用户的最大特征是和服务器发生了交互。
预期读者
本文档阅读对象一般为项目经理、测试经理、研发经理，技术老鸟等。
测试目的
本报告是为了反映中间件各个场景下在多用户并发访问的情况下系统的表现情况.
本次测试从事务响应时间、并发用户数、系统资源使用等多个方面，以专业的性能测试工具，分析出当前系统的性能表现，以实际测试数据与预期的性能要求比较，检查系统是否达到既定的性能目标。
环境配置
服务器：
| 描述 |
OS |
台数 |
CPU |
Mem |
IP |
| 应用服务器 |
Linux |
2 |
4核 |
4G |
10.126.3.59 10.126.3.61 |
| Nginx |
Linux |
1 |
12核 |
6G |
10.126.3.63 |
| Node服务器 |
Linux |
1 |
4核 |
4G |
10.126.3.59:1337 |
| 压力机 |
windows |
2 |
8核 |
4G |
10.126.3.58 10.126.3.62 |
应用配置：
| 配置对象 |
参数 |
配置 |
说明 |
| Tomcat /context.xml |
sticky |
true |
粘性Session机制 |
| lockingMode |
auto |
非粘性Session的锁定策略 |
|
| sessionBackupAsync |
false |
是否应该被异步保存到Memcached |
|
| operationTimeout |
5000毫秒 |
||
| sessionBackupTimeout |
5000毫秒 |
备份Session超时时间 |
|
| Tomcat / server.xml |
maxThreads |
500 |
线程池最大线程数 |
| minSpareThreads |
5 |
||
| acceptCount |
1000 |
排队长度 |
|
| keepAliveTimeout |
20000 |
||
| web.xml |
session-timeout |
30分 |
|
| 日志级别 |
level value |
error |
判断日志记录与否 |
| JVM |
最小堆内存 |
2000M |
|
| 最大堆内存 |
2000M |
||
| 最大永久代MaxPermSize |
256m |
||
| GC策略 |
默认 |
||
| 其他 |
-XX:-HeapDumpOnOutOfMemoryError |
LR配置(true表示选中，false表示不选中)：
| 配置对象 |
参数 |
配置 |
说明 |
| ignore think time |
true |
忽略思考时间 |
|
| download non-HTML resources |
true |
下载图片 |
|
| continue on error |
true |
错误时仍然继续 |
|
| run user as thread |
true |
运行使用线程方式 |
|
| simulate a new user on each iteration |
true |
每次迭代清除http上下文 |
Tomcat
结果数据
| 单个节点 |
||||
| HTML |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
19305 |
32584 |
44195 |
40566 |
| 平均响应时间 |
0 |
0.001 |
0.001 |
0.002 |
| JSP |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
19745 |
27982 |
33233 |
32576 |
| 平均响应时间 |
0 |
0.001 |
0.001 |
0.002 |
| Serverlet |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
19305 |
28591 |
32460 |
34249 |
| 平均响应时间 |
0 |
0.001 |
0.001 |
0.002 |
问题及结果分析
随着并发用户数的增加，TPS值在随之呈增长趋势。
此应用没有使用数据库，应用和压力机内存使用正常，资源使用正常，均不构成系统的瓶颈。
Nginx+Tomcat
结果数据
| 单个节点 |
||||
| HTML |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
13252 |
21481 |
31044 |
34275 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| JSP |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
12267 |
19230 |
25603 |
30903 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| Serverlet |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
12007 |
19610 |
25135 |
29242 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| 两个节点 |
||||
| HTML |
||||
| 并发用户数 |
10*2 |
20*2 |
50*2 |
100*2 |
| 每秒通过事务数TPS |
22160 |
33492 |
45619 |
41595 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| JSP |
||||
| 并发用户数 |
10*2 |
20*2 |
50*2 |
100*2 |
| 每秒通过事务数TPS |
20071 |
31514 |
39274 |
36363 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| Serverlet |
||||
| 并发用户数 |
10*2 |
20*2 |
50*2 |
100*2 |
| 每秒通过事务数TPS |
20050 |
32584 |
39195 |
40566 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
问题及结果分析
从单节点来看，HTML,JSP, Serverlet结果走势相近，增加Nginx后会存在一定的性能损耗，负载均衡增加一个Tomcat节点，与单节点进行比较，TPS结果Serverlet约为1.7倍的增长，HTML约为1.6倍的增长，JSP约为1.6倍的增长。导致相同场景Nginx+2个Tomcat的TPS比单个节点的Tomcat的TPS没有2倍左右的增长的原因,系统的瓶颈是压力机的磁盘IO过大，提升系统性能的方式，可以增加不在同一块硬盘上的压力机，减少在单个压力机上的磁盘IO写入情况而提高性能。应用程序没有用到数据库，应用服务器的资源使用正常，均不构成系统的瓶颈。
Node
结果数据
| 单个节点 |
||||
| Node 直接启动 node server1.js +文本页面 |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
13010 |
15317 |
14123 |
15373 |
| 平均响应时间 |
0 |
0.001 |
0.001 |
0.002 |
| Node pm2启动 1个节点 |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
13660 |
15097 |
15133 |
15540 |
| 平均响应时间 |
0 |
0.001 |
0.001 |
0.002 |
| Node pm2启动 4个节点 |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
17597 |
28405 |
38392 |
41549 |
| 平均响应时间 |
0 |
0.001 |
0.001 |
0.002 |
问题及结果分析
Node 直接启动与pm2启动差异不大，Node启动4个节点TPS高于单个节点2.7倍。
此应用没有使用数据库，应用和压力机内存使用正常，资源使用正常，均不构成系统的瓶颈。
Node+Tomcat
结果数据
| 单个节点 |
||||
| HTML |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
8480 |
11856 |
11437 |
11339 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| JSP |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
8214 |
11264 |
11514 |
11269 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| Serverlet |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
5422 |
7878 |
8926 |
9013 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
问题及结果分析
从单节点来看，HTML,JSP, Serverlet结果走势相近，
此应用没有使用数据库，应用和压力机内存使用正常，资源使用正常，均不构成系统的瓶颈
Node+Nginx+ Tomcat
结果数据
| 单个节点 |
||||
| HTML |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
7235 |
9563 |
9969 |
10254 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| JSP |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
5736 |
8030 |
8384 |
9050 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| Serverlet |
||||
| 并发用户数 |
10 |
20 |
50 |
100 |
| 每秒通过事务数TPS |
6028 |
8570 |
9141 |
8763 |
| 平均响应时间 |
0.001 |
0.002 |
0.004 |
0.008 |
| 2个Tomcat节点 |
||||
| HTML |
||||
| 并发用户数 |
10*2 |
20*2 |
50*2 |
100*2 |
| 每秒通过事务数TPS |
9494 |
10988 |
11679 |
11280 |
| 平均响应时间 |
0.002 |
0.003 |
0.008 |
0.015 |
| JSP |
||||
| 并发用户数 |
10*2 |
20*2 |
50*2 |
100*2 |
| 每秒通过事务数TPS |
8995 |
9251 |
10134 |
10551 |
| 平均响应时间 |
0.002 |
0.003 |
0.008 |
0.015 |
| Serverlet |
||||
| 并发用户数 |
10*2 |
20*2 |
50*2 |
100*2 |
| 每秒通过事务数TPS |
9080 |
9741 |
10186 |
10208 |
| 平均响应时间 |
0.002 |
0.003 |
0.007 |
0.015 |
问题及结果分析
从单节点来看，HTML,JSP, Serverlet结果走势相近，增加Nginx，Node后会存在一定的性能损耗，负载均衡增加一个Tomcat节点，TPS没有呈2倍增长。系统的瓶颈是压力机的磁盘IO过大，提升系统性能的方式，可以增加压力机的方式，增加不在同一块硬盘上的压力机，减少在单个压力机上的磁盘IO写入情况而提高性能。
纵向比较数据
测试结论
随着系统架构的变化TPS逐层下降，每增加一层Nginx或者Node都存在一定的性能损耗, 系统的瓶颈是压力机的磁盘IO过大，提升系统性能的方式，可以增加不在同一块硬盘上的压力机，减少在单个压力机上的磁盘IO写入情况而提高性能。
此次中间件架构测试为今后其他项目测试提供参考数据比对
TIPS
文章开源我的博客：地址（转载请说明出去）
个人最新全栈架构体系：Creek-dam-nova(欢迎大家star)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持 码农网
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
High Performance Python
Micha Gorelick、Ian Ozsvald / O'Reilly Media / 2014-9-10 / USD 39.99
If you're an experienced Python programmer, High Performance Python will guide you through the various routes of code optimization. You'll learn how to use smarter algorithms and leverage peripheral t......一起来看看 《High Performance Python》 这本书的介绍吧!
