01
压测基础
吞吐量、QPS、TPS、并发用户数、响应时间等核心指标定义与关系
指标核心
02
压测工具选型
JMeter、Locust、wrk、ab、Go-stress-testing等工具对比与选型策略
工具对比
03
压测环境搭建
单机压测与分布式压测环境部署，网络与硬件瓶颈预判
环境部署
04
压测脚本设计
参数化、关联、断言、思考时间、集合点等核心脚本要素
脚本设计
05
压测场景设计
负载测试、压力测试、稳定性测试、容量测试、尖峰测试场景设计
场景策略
06
压测数据准备
数据脱敏、数据隔离、数据预埋、数据清理策略
数据治理
07
压测执行与监控
压测执行流程、系统资源监控（CPU、内存、IO、网络）、应用监控（GC、线程池、连接池）
监控执行
08
压测结果分析
聚合报告、响应时间分布、吞吐量曲线、错误率分析、瓶颈定位
分析瓶颈
09
性能调优方法论
木桶原理、阿姆达尔定律、性能调优的通用步骤与优先级
方法论原则
10
代码层面调优
算法优化、数据结构选择、循环优化、并发编程优化、锁优化
代码并发
11
JVM调优
堆内存设置、GC策略选择、JVM参数调优、内存泄漏排查
JVMGC
12
数据库调优
SQL优化、索引优化、连接池配置、读写分离、分库分表
数据库SQL
13
缓存调优
本地缓存、分布式缓存（Redis）、缓存穿透/击穿/雪崩解决方案
缓存Redis
14
网络调优
TCP参数调优、HTTP连接池、DNS解析优化、CDN加速
网络TCP
15
操作系统调优
Linux内核参数调优、文件句柄限制、I/O调度器选择
OSLinux
16
中间件调优
Nginx调优、Tomcat调优、Kafka调优、RabbitMQ调优
中间件调优
17
全链路压测
全链路压测方案设计、流量染色、影子库、压测标记与数据隔离
全链路影子库
18
性能瓶颈定位实战
CPU飙高、内存溢出、频繁GC、慢SQL、线程阻塞等典型问题排查
实战排查
19
调优案例1：高并发下单系统
从1000 TPS到10000 TPS
案例下单
20
调优案例2：报表导出系统
大数据量报表导出调优实战（从5分钟到30秒）
案例报表
21
调优案例3：实时消息推送
从50%到达率到99.9%
案例消息
22
调优案例4：秒杀系统
从崩溃到稳定支撑10万并发
案例秒杀
23
调优案例5：微服务接口
微服务架构下接口性能调优实战（从500ms到50ms）
案例微服务
24
性能测试报告编写
报告结构、关键指标呈现、瓶颈分析、调优建议、结论
报告规范
25
性能测试自动化
CI/CD集成压测、性能回归测试、自动化告警
自动化CI/CD
26
性能容量规划
基于历史数据的容量评估、弹性伸缩策略、成本优化
容量规划
27
性能测试团队建设
角色分工、流程规范、知识库建设、工具平台建设
团队管理
28
性能测试前沿技术
Serverless性能测试、边缘计算性能测试、AI辅助性能调优
前沿AI
29
性能测试常见误区
过早优化、过度压测、忽略网络、忽略冷启动、忽略数据倾斜
误区避坑
30
性能调优总结与展望
性能调优的哲学、持续性能优化文化、未来趋势
总结趋势