1. 压测核心概念：吞吐量、响应时间、并发用户、资源利用率

移动端压测的四个基石概念——吞吐量、响应时间、并发用户、资源利用率——构成了性能评估的完整坐标系。它们之间并非孤立指标，而是相互制约、共同描述系统在负载下的行为特征。理解这四个概念及其耦合关系，是合理设计压测场景、解读报告、定位瓶颈的前提。

1.1 概念速览与度量单位

1.2 四象限联动关系图

下面这张 SVG 框架图展示了四个核心概念之间的典型制约环路。灰色箭头表示“影响方向”，橙色说明框标注了常见的移动端现场关联现象。

1.3 关键量化关系与压测推导公式

在理想线性模型下，这四个概念可通过 Little’s Law（利特尔定律） 初步关联：

并发用户数 = 吞吐量（T） × 平均响应时间（R）

推导应用举例：
- 目标吞吐量 100 TPS & 期望平均响应时间 200 ms
- 所需并发用户数 ≈ 100 × 0.2 = 20（虚拟用户）
- 如果实际用 40 并发用户测得吞吐仅 80 TPS，说明系统在并发 20 附近已达瓶颈

1.4 移动端特有的概念偏移

• 吞吐量偏移：除了传统的 API 吞吐，移动端必须关注 渲染吞吐——即屏幕每秒能合成的帧数。GPU 渲染管线满载时，即便 API 响应快，用户仍会感知卡顿。
• 响应时间拆分：标准 Web 压测只计网络往返时间。移动端需拆分为 DNS 解析 + TCP 握手 + TLS 协商 + 请求传输 + 服务端处理 + 响应传输 + 客户端渲染。其中每一步都可以通过 Charles / Wireshark / PerfDog 抓包验证。
• 并发用户上限：受设备内存和 CPU 核心数限制，单台测试手机不宜承载过多虚拟用户（一般 Android 模拟器 ≤ 50 并发 / 进程，iOS 真机 ≤ 20 并发）。超出后测试机自身会先成为瓶颈，污染压测数据。
• 资源利用率视角：移动端新增 温度 作为间接资源指标。当 CPU/GPU 温度超过触发降频阈值（iOS ~85°C，Android 因芯片而异），系统会自动降频，导致响应时间暴涨、吞吐腰斩。监控温度比单纯看 CPU% 更能提前预警。

1.5 快速采集命令范例

以下命令用于在压测过程中，从 Android 设备实时拉取资源利用率数据。请将命令嵌入压测执行脚本的 before / after 或并行子进程中。

# ---------- 1. CPU & 线程数 ----------
adb shell top -n 1 -d 0.5 | grep -E "com.example.app|com.your.app"

# ---------- 2. 内存（PSS） ----------
adb shell "dumpsys meminfo com.example.app | grep -E 'TOTAL PSS|TOTAL RSS|Dalvik|Native'"

# ---------- 3. 网络流量（区分WiFi/蜂窝） ----------
adb shell "cat /proc/net/dev | grep -E 'wlan0|rmnet'"

# ---------- 4. GPU 频率与使用率（仅Snapdragon设备） ----------
adb shell "cat /sys/class/kgsl/kgsl-3d0/gpuclk"
adb shell "cat /sys/class/kgsl/kgsl-3d0/utilization"

# ---------- 5. 电池温度（单位：0.1°C） ----------
adb shell "dumpsys battery | grep temperature"