01
压测基础认知
什么是压力测试、为什么需要压测、核心目标（吞吐量、响应时间、错误率）
入门核心概念
02
压测指标详解
QPS/TPS、响应时间P50/P90/P99、并发用户数、资源利用率
指标量化
03
压测工具选型
JMeter、wrk、Locust、Gatling对比与适用场景
工具选型
04
压测场景设计
单接口压测、混合场景、阶梯加压、稳定性测试
场景设计
05
压测数据采集
日志采集、APM工具(SkyWalking/Pinpoint)、Prometheus+Grafana
采集监控
06
压测数据预处理
数据清洗、异常值处理、时间戳对齐、数据聚合
清洗预处理
07
响应时间分布分析
直方图、累积分布函数(CDF)、热力图解读
分布可视化
08
吞吐量与并发关系
吞吐量曲线、拐点分析、最佳并发数确定
性能并发
09
错误率深度分析
错误类型分类(超时/拒绝/业务错误)、与负载关系
错误根因
10
资源瓶颈定位
CPU飙高、内存泄漏、IO等待、网络延迟的压测表现
瓶颈资源
11
数据库压测分析
连接池耗尽、慢SQL、锁等待、主从延迟
数据库SQL
12
缓存压测分析
缓存命中率、穿透/雪崩/击穿、Redis性能瓶颈
缓存Redis
13
消息队列压测分析
积压情况、消费延迟、生产者/消费者吞吐匹配
MQ消息
14
微服务链路压测
调用链追踪、服务依赖分析、熔断降级表现
微服务链路
15
压测报告核心要素
摘要、趋势图、瓶颈列表、优化建议
报告规范
16
压测数据可视化
折线图、柱状图、散点图、仪表盘设计
可视化图表
17
压测数据对比分析
版本对比、配置对比、架构对比
对比A/B
18
压测数据建模
排队论模型、Little定律、系统容量预估
建模容量
19
压测数据自动化分析
Python脚本处理、自动化报告生成
自动化脚本
20
压测数据异常检测
3σ原则、箱线图、移动平均法
异常检测
21
压测数据根因分析
火焰图、链路追踪、日志关联分析
根因火焰图
22
压测数据容量规划
基于历史数据的容量预测、弹性伸缩策略
容量规划
23
压测数据安全分析
压测对生产环境的影响、数据脱敏、压测隔离
安全隔离
24
压测数据治理
数据标准化、元数据管理、数据血缘追踪
治理元数据
25
压测数据平台建设
数据存储选型(ES/ClickHouse/InfluxDB)、数据管道设计
平台存储
26
压测数据实时分析
流式处理、实时告警、动态阈值
实时流式
27
压测数据与业务指标关联
转化率、用户体验评分(Apdex)、营收影响
业务关联
28
压测数据最佳实践
大促压测、全链路压测、混沌工程结合
实践混沌
29
压测数据案例实战
电商/金融/游戏系统压测分析
案例实战
30
压测数据未来趋势
AI辅助分析、AIOps、智能容量管理
趋势AI