2. 性能基准定义：如何定义回放性能的基准指标
性能基准是回放调优的“标尺”。在集成环境回放中，基准指标必须同时覆盖业务吞吐、用户体验和资源成本三个维度。定义基准的核心原则是：可测量、可复现、可对比。
2.1 三大核心基准指标
| 指标类别 | 核心指标 | 定义与计算方式 | 回放场景中的关注点 |
|---|---|---|---|
| 吞吐量 | TPS（Transactions Per Second） | 每秒成功完成的事务数 TPS = 总事务数 / 测试时长（秒） |
区分“业务级 TPS”与“请求级 TPS”；回放时需对齐生产流量模型 |
| 响应时间 | RT（Response Time） | 从请求发出到收到完整响应的时间 通常关注 P50、P90、P99 分位值 |
回放环境网络延迟、数据缓存命中率、序列化/反序列化开销 |
| 资源利用率 | CPU / 内存 / IO / 网络 | 系统资源使用百分比或绝对值 CPU ≤ 70%，内存 ≤ 80%（留余量） |
回放压测时需排除“资源争抢”导致的假性瓶颈 |
实践要点： 基准定义不是一次性的。每次回放前应重新采集“空载基线”（系统无业务流量时的资源消耗），用于扣除背景噪声。
2.2 基准指标的三层分解模型
为了在调优过程中快速定位瓶颈，建议将基准指标按系统层级进行分解。下图展示了从用户请求到基础设施的指标映射关系。
分解原则： 每一层的指标必须能够被下层指标解释。例如：业务层 TPS 下降，应能在应用层找到接口 RT 升高或线程池耗尽，再在下层定位到 CPU 飙高或磁盘 IO 瓶颈。
2.3 基准定义的四步流程
- 采集生产流量特征：从生产环境提取 1 小时高峰时段的 TPS 分布、RT 分位值、请求类型比例。
- 建立回放模型：将生产流量特征转化为回放脚本的并发数、思考时间、请求比例。
- 执行空载基线：在集成环境无业务流量时，记录 CPU/内存/IO 的静态消耗值。
- 执行基准回放：按回放模型施压，记录所有指标，并与生产特征对比，偏差 ≤ 15% 视为基准有效。
2.4 基准指标的可接受阈值参考
| 指标 | 生产环境参考值 | 集成回放环境基准阈值 | 说明 |
|---|---|---|---|
| TPS | 5000/s | ≥ 4250/s（85%） | 集成环境硬件通常低于生产，允许 15% 降幅 |
| RT P99 | 200ms | ≤ 250ms | 允许 25% 的劣化，超过则需排查 |
| CPU 利用率 | 60% | ≤ 75% | 留 25% 余量应对突发 |
| 内存利用率 | 70% | ≤ 80% | 避免触发 OOM 或频繁 Full GC |
| 磁盘 IO 等待 | < 5% | < 10% | 回放环境磁盘性能通常较弱 |
避坑提醒： 不要直接使用生产环境的绝对值作为回放基准。集成环境的硬件配置、网络拓扑、数据量级通常与生产存在差异。正确的做法是：按比例折算，并记录折算系数，便于后续调优时进行归一化对比。
2.5 基准指标的持续校准
基准不是一成不变的。在回放调优过程中，每次代码变更、配置调整或数据刷新后，都应重新执行一次基准回放，并对比以下三个关键变化：
- TPS 变化率：ΔTPS = (新TPS - 基准TPS) / 基准TPS × 100%。正向变化表示优化有效。
- RT 变化率：ΔRT = (新RT - 基准RT) / 基准RT × 100%。负向变化表示响应改善。
- 资源效率：TPS / CPU 利用率，衡量每单位 CPU 能处理的事务数，用于评估优化是否“绿色”。
推荐做法： 在每次调优迭代中，使用
ΔTPS / ΔCPU 作为“调优性价比”指标。如果 TPS 提升 10% 但 CPU 上升 15%，说明优化引入了额外开销，需要重新评估方案。