性能测试业务模型分析

性能测试模型包含业务模型、数据模型、监控模型,其中业务模型是测试前非常重要的一个调研环节。对测试员来说,需要以实际生产环境系统业务操作模式为标准依据,跟踪数据,只有通过结合数据和模型,你才能获得有价值的信息,最终才能真实反映上线系统的实际性能情况。

性能测试业务模型分析

 

1.​信息调研

在建立业务模型之前,我们要明确该业务系统面向服务对象是哪些,目前该系统注册用户数多少,在线用户数多少,系统各类用户的操作行为习惯等等。在了解我们需要获取哪些业务数据之后,我们可以采集一段长周期的交易量信息,最好可以把一些特殊场景的信息也能包括进来。

  • 采集的交易量数据样本:

用户信息

 

用户群属性

用户数

应用设计时最大的在线用户数

历史上系统承载的最大并发用户数

期望能承载的最大并发用户数

交易信息

交易量

系统每日最大交易量

系统业务每日处理高峰的时段

每秒峰值交易量

响应时间

系统交易的平均响应时间(ms)

特殊场景下交易对于响应时间的需求

批量业务

该系统是否存在批量业务

批量业务发生的时间段

批量业务每次处理的业务量,最长会持续多少时间

系统情况

前端系统

后端系统

各个前端系统的交易量比例

 

2.场景分析

应用系统都存在多个典型场景,每个场景交易类别、交易量存在差异,随之系统的处理能力也不一样,这就需要我们分析多个场景。例如,通过分析初步得到特殊交易日的具体时间,根据当日的相关信息进行判断其发生的原因以及再次发生的概率。

3.模型分析

1)TPS:业务调研阶段给的每天平均业务量或者某高峰日最大业务量。转换数据为每秒业务量,算法:小时交易量(笔)/3600(秒)”来计算TPS,然后进行一个加权算法。例如:系统日交易高峰100000笔交易,系统每天运营8个小时,TPS为100000笔*80% / (8*3600*20%) =14笔/秒

2)交易占比:典型交易可采取以下原则

  • 采用TOP 10或TOP 20依次筛选占比较高的交易,直至筛选总量超过基础数据总量的80%
  • 重要的交易不按照TOP方式选取,可直接选入典型交易范围。交易的优先级较高,或者交易在历史过程中易发生错误、新交易需要纳入测试范围。


留言