3. 金融场景下的压力测试核心指标

在金融系统中，压力测试的指标体系是评估系统稳定性与性能瓶颈的基石。不同于通用互联网应用，金融场景对数据一致性、事务完整性、极端流量下的容错能力有更高要求。以下指标构成了金融压力测试的“仪表盘”，每个指标都对应着特定的系统行为与风险。

3.1 指标全景图

金融压力测试的指标可划分为吞吐量、延迟、错误、资源四个维度。它们共同描绘系统在高压下的健康状态。

3.2 吞吐量指标：TPS 与 QPS

吞吐量衡量系统处理请求的能力，是压力测试最直观的指标。在金融场景中，TPS 和 QPS 有明确区分，不能混用。

3.3 延迟指标：RT、P99、P999

延迟指标反映系统响应速度。金融场景对延迟极其敏感，尤其是高频交易和实时风控场景。

• RT（Response Time）：单个请求的响应时间，通常指平均响应时间。但平均值容易掩盖长尾问题，因此需要结合百分位延迟。
• P99（99th Percentile）：99% 的请求响应时间低于此值。意味着每 100 个请求中，只有 1 个请求比这个值慢。
• P999（99.9th Percentile）：99.9% 的请求响应时间低于此值。每 1000 个请求中，只有 1 个请求比这个值慢。

3.4 错误率

错误率是衡量系统可靠性的关键指标。在金融场景中，错误不仅包括 HTTP 5xx，还包括业务层面的失败。

3.5 资源利用率

资源利用率是压力测试的“底层指标”，它揭示了系统瓶颈的具体位置。

• CPU 利用率：建议不超过 70%（金融核心服务建议 50% 预警）。超过 80% 时，延迟会非线性增长。
• 内存利用率：关注堆内存使用、GC 频率和停顿时间。金融 Java 服务中，GC 停顿可能导致 P99 抖动。
• 磁盘 IO：关注 IOPS 和延迟。数据库磁盘 IO 打满时，TPS 会急剧下降。
• 网络带宽：关注入站/出站流量。金融行情推送场景容易打满带宽。
• 连接数：数据库连接池、线程池、HTTP 连接池是否耗尽。

3.6 指标联合分析矩阵

单一指标无法定位问题。以下矩阵展示了常见指标组合及其对应的系统状态：