性能测试方案设计通过自动化的测试工具模拟多种正常、峰值以及异常负载条件来对系统的各项性能指标进展测试，这就是性能测试。下面是性能测试方案设计，为大家提供参考。1.测试目的为什么测？目的在于测试系统相关性能能否满足业务需求。通常分以下两种情况：1）新工程上线2）老工程优化如果是老工程优化，可考虑是否存有历史测试方案，如果有可以参考，或许可以省事很多。2.测试对象要测啥？测试对象可以归结为“业务功能”。测试前，需要了解我们需要测试的业务功能（不深入细节）有哪些，比方“购置商品”、“寄送快递”。有没有必要测？需求哪里？，有没有数据支撑测试这个需求的必要性？通常，可以从以下几个方面考虑：1）是否核心功能，是否要求严格的质量2）是否常用、高频使用的功能3）可能占用系统较多资源的功能4）使用人数多还是少5）在线人数多还是少3.拆分对象先从业务上来分，实现这个完整的功能包含哪些流程、环节举例：购置商品->搜索商品->提交订单->支付订单->退出4.指标分析分析性能需求指标（如“支持300人并发”）是否合理有必要测试这个需求，考虑需求指标是否合理？有没有数据支撑？通常，支撑数据可以从以下方面考虑：1）采样时间段内系统使用人数2）采样时间段内系统在线人数3）采样时间段内系统(页面)访问量4）采样时间段内请求数....常用分析思路：1）2/8法那么2/8法那么：80%的业务量在20%的时间里完成。这里，业务量泛指访问量，请求数，数据量等2）正态分布3）按比例倍增4）响应时间2-5-8原那么就是说，一般情况下，当用户能够在2秒以内得到响应时，会感觉系统的响应很快；当用户在2-5秒之间得到响应时，会赶紧系统的响应速度还可以；当用户在5-8秒以内得到响应时，会赶紧系统的速度很慢，但是还可以承受；而当用户在超过8秒后仍然无法得到响应时，会感觉系统糟糕透了，或者认为系统已经失去响应。注意：这个要根据实际情况，有些情况下时间长点也是可以承受的，好比12306举例：某公司后台监控，根据一段时间的采样数据，分析得出日顶峰时段(11:00-14:00)用户下单请求数平均为1000，峰值为1500，根据这个计算并发请求数时段：3个小时->3x60x60=1080s业务量：1500吞吐量：1500*80%/(1080*20%)=5.56请求数/s假设用户下单遵循正态分布，那么并发请求数峰值会肯定大于上述估算的吞吐量注意:1、2/8原那么计算的结果并非在线并发用户数，是系统要到达的处理能力（吞吐量）2、如果要求更高系统性能，根据实际情况，也可以考虑1/9原那么或其它更严格的算法3、以上估值只是大致的估算，不是准确值举例：想了下，暂时没想到啥好的例子，大致就说一些涉及到数据量的性能测试，比方报表统计，或者是大数据挖掘，查询等，怎么去估算数据量？数据生命周期：一般来说，数据都是有一定的生命周期的，时间的选取需要结合数据周期考虑。这里假设3年后系统性能仍然需要满足业务需求。数据增长率：如果是老工程，可以考虑对应功能主表历史数据存放情况这里假设按年统计，比方第一年10000，第二年15000，第三年20000，第四年25000，那么我们得出，以第一年为基准，数据增长率分别为0.5，1，1.5，每年在上一年的根底上，以5000的速度增长预估3年后，数据增长率为3，需要测试数据量为（1+3）x10000=40000注意：1、实际数据一般是没上面举例那么规律的，只能大致估算数据增长率。2、一些大数据量的性能测试除了和数据量相关，还涉及到数据分布等，比方查询，构造数据时需要结合实际，尽量贴近实际。3、不同业务模块，涉及表不一样，数据量要求也是不一样的，需要有区别的对待。如果是新工程，那就比较不确定了，除非能收集相关数据。结合需求分析中第3点，分析系统架构。从功能实现上来看，怎么实现这个完整功能的。通常这些业务功能操作都对应着一个或多个请求(可能能是不同类型的请求，比方,mysql等)，我们要做的是找出这些：1）请求顺序、请求之间相互调用关系2）数据流向，数据是怎么走的，经过哪些组件、效劳器等3）预测可能存在性能瓶颈的环节（组件、效劳器等）4）明确应用类型IO型，还是CPU消耗性、内存消耗型->弄清楚重点监控对象5）关注应用是否采用多进程、多线程...
