2. 压测基础概念：并发用户数、吞吐量(QPS/TPS)、响应时间、错误率、P99/P95延迟

性能压测不是盲目施压，而是基于一组可量化的指标来评估系统行为。本章将逐一拆解压测领域的五个核心概念，并说明它们之间的因果关系与权衡。

2.1 并发用户数（Concurrent Users）

并发用户数指在同一时间窗口内，系统需要同时处理的活跃用户请求数量。注意，它不等于“注册用户数”或“日活用户数”，而是指在压测工具中同时维持的虚拟用户（VU）数量。

术语	定义	压测中的含义
并发用户数	同一时刻向系统发送请求的用户数	压测工具中同时运行的线程/协程数
在线用户数	已登录但可能无操作的用户	通常远大于并发用户数
注册用户数	系统总用户量	与压测负载无直接关系

2.2 吞吐量：QPS 与 TPS

吞吐量是系统在单位时间内处理请求或事务的能力，是衡量系统处理效率的核心指标。

• QPS（Queries Per Second）：每秒查询数，常用于读密集型系统（如搜索引擎、API 网关）。
• TPS（Transactions Per Second）：每秒事务数，常用于写密集型或包含完整业务链路的系统（如订单创建、支付流程）。

一个事务可能包含多次查询，因此 TPS 通常 ≤ QPS。在压测报告中，两者常被统称为“吞吐量”。

指标	适用场景	典型值参考
QPS	缓存查询、搜索接口、列表页	单机 1000~10000+
TPS	下单、支付、注册、数据写入	单机 100~2000+

2.3 响应时间（Response Time / Latency）

响应时间是从客户端发出请求到收到完整响应所经过的总时长，通常以毫秒（ms）为单位。它直接反映用户体验。

响应时间可分解为：

1. 网络延迟：数据在客户端与服务端之间传输的时间。
2. 排队等待：请求在服务端队列中等待处理的时间。
3. 服务处理：业务逻辑执行、数据库查询、外部调用等实际耗时。
4. 响应传输：服务端将结果返回给客户端的时间。

2.4 错误率（Error Rate）

错误率指在压测过程中，返回非 2xx/3xx 状态码或业务自定义失败码的请求占比。计算公式：

错误率 = (错误请求数 / 总请求数) × 100%

常见的错误类型包括：

• HTTP 5xx：服务端内部错误、超时、网关错误。
• HTTP 4xx：限流、鉴权失败、参数错误（需结合业务判断）。
• 连接超时/重置：网络层或连接池耗尽。
• 业务错误码：如库存不足、余额不足等业务逻辑失败。

2.5 百分位延迟：P99 / P95

平均响应时间（Avg RT）容易被极端值掩盖，无法反映大多数用户的真实体验。百分位延迟（Percentile Latency）能更精确地描述延迟分布。

百分位	含义	解读
P50（中位数）	50% 的请求在此时间内完成	代表“典型”用户体验
P95	95% 的请求在此时间内完成	代表“大多数”用户体验，常用于 SLA
P99	99% 的请求在此时间内完成	代表“尾部延迟”，反映系统稳定性
P999	99.9% 的请求在此时间内完成	代表极端情况，用于高要求系统

例如：P99 = 500ms 意味着 99% 的用户在 500ms 内得到响应，只有 1% 的用户体验更差。

2.6 核心指标关系图

以下 SVG 图展示了五个核心指标之间的因果与制约关系：

2.7 指标间的权衡与典型曲线

在压测过程中，五个指标并非独立变化，而是遵循以下典型规律：

• 轻负载区：并发增加 → 吞吐量线性上升，响应时间平稳，错误率接近 0。
• 拐点区：资源接近饱和 → 吞吐量增速放缓，响应时间开始明显上升，P99 延迟率先恶化。
• 过载区：并发继续增加 → 吞吐量下降，响应时间急剧飙升，错误率显著升高。

2.8 压测指标速查表

指标	单位	理想范围	恶化信号
并发用户数	VU	根据系统容量设计	超过拐点值
QPS / TPS	req/s 或 txn/s	越高越好（线性增长区）	增速放缓或下降
响应时间（平均）	ms	< 200ms（API） / < 500ms（页面）	> 1000ms
错误率	%	< 0.1%	> 1%
P99 延迟	ms	< 2× 平均响应时间	> 5× 平均响应时间