📚 课程目录第2章性能指标详解

2. 性能指标详解：TPS、QPS、响应时间、并发用户数、吞吐量、资源利用率等核心指标

性能指标是压力测试的“仪表盘”。不理解指标的含义，就无法判断系统是否健康。本章将逐一拆解压力测试中最核心的六大指标，厘清它们之间的区别与联系，并给出实战中的参考标准。

在深入每个指标之前，先通过一张全景图建立整体认知。一次完整的用户请求，从发出到结束，会经历“负载产生 → 排队等待 → 服务处理 → 资源消耗”四个阶段，每个阶段都有对应的核心指标。

💡 学习提示： 不要孤立地记忆每个指标。理解指标之间的因果关系（例如：并发用户数增加 → 响应时间变长 → TPS 达到拐点 → 资源利用率饱和），才是性能分析的核心能力。

TPS 是每秒完成的事务数，QPS 是每秒完成的查询数。两者是衡量系统处理能力最直接的指标。

⚠️ 常见误区： 很多测试报告将 TPS 和 QPS 混用。在微服务架构中，一个前端请求可能触发后端 5~10 次内部调用。如果只统计网关层的 QPS，会严重高估系统的实际业务处理能力。建议：对外报告用 TPS，对内调优用 QPS。

响应时间是从用户发出请求到收到完整响应所经过的总时间。它直接决定了用户体验的好坏。

组成公式： 响应时间 = 网络传输时间 + 排队等待时间 + 服务处理时间 + 数据返回时间
关键分位值：
- Avg（平均响应时间）： 容易受极端值影响，参考价值有限。
- TP90 / TP95 / TP99： 分别表示 90%/95%/99% 的请求在多少毫秒内完成。TP99 是 SLA 的核心指标。
- Max（最大响应时间）： 通常由慢查询或 GC 引起，需要单独分析。

  📊 实战参考标准：

  · 互联网前端页面：TP99 < 2s

  · 内部 API 接口：TP99 < 500ms

  · 数据库查询：TP99 < 200ms

  · 实时交易系统：TP99 < 100ms

并发用户数是指同一时间段内，同时向系统发起请求的虚拟用户数量。注意区分“并发用户数”和“在线用户数”：

概念	定义	举例
在线用户数	登录系统但可能没有操作的用户	10000 人登录了 App，但只有 200 人在浏览商品
并发用户数	同一时刻正在发送请求的用户	200 人同时点击“加入购物车”

Little's Law（利特尔法则）： 并发用户数 = TPS × 平均响应时间。这是性能测试中最基础的数学关系。例如：系统 TPS 为 100，平均响应时间为 0.5s，则维持该吞吐量所需的并发用户数为 50。

吞吐量是单位时间内系统成功处理的请求总量。常见的单位有：

吞吐量与 TPS 的区别：TPS 强调“事务”的完整性（成功才算），吞吐量更强调“数据量”或“请求量”的通过能力。

资源利用率反映了系统硬件或软件资源被消耗的程度。当资源利用率接近 100% 时，通常意味着系统出现了瓶颈。

资源类型	健康范围	危险信号	常见瓶颈原因
CPU	70% ~ 80%	> 90% 持续波动	死循环、频繁 GC、计算密集型任务
内存	使用率 < 80%	持续增长不释放、频繁 Full GC	内存泄漏、大对象分配、缓存膨胀
磁盘 I/O	平均队列长度 < 2	await > 50ms、%util > 90%	日志写入过猛、慢查询、索引缺失
网络	带宽使用率 < 70%	丢包率 > 0.1%、重传率 > 1%	带宽不足、连接数超限、DNS 解析慢

单一指标无法定位问题。性能分析的核心是观察指标之间的“联动变化”。下面这张图展示了压力增加时，各指标的典型变化曲线：

不同角色的关注点不同。在制定测试方案时，建议按以下优先级选择指标：

  📋 测试报告模板（最小集）：

  · 测试场景描述

  · 并发用户数梯度（如：10 → 50 → 100 → 200）

  · 每个梯度下的 TPS、TP99、错误率、CPU 峰值

  · 瓶颈点分析（哪个指标先达到阈值）

  · 结论：系统最大支撑并发数及对应的 TPS