SlideShare a Scribd company logo
性能测试案例分享
                                     Zee
                                 性能测试专家
                                   7点测试




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
性能测试案例


        性能分析中的逻辑思考


        性能执行中的控制




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
性能测试案例




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
目录




     测试背景、目的和范围
     测试环境和策略
     测试模型和案例
     测试执行和监控
     测试结果说明
     性能问题描述




      揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试目的和范围


  测试范围                                                  后台存储


在生产环境中,通过上图看到,            其                                                             其
                          他                                                             他
在核心业务系统中,有一台F5            关
                                                     数据库服务器集群                           关
做流量分发,两台Apache            联                                                             联
                          系                                                             系
Web服务器接收到业务流量之            统                  应用服务器与数据库服务器之间的接口                          统




                                                                                        2
后,分发到四个weblogic实例




                          1
                              外                                                     外
上。                            联                        应用服务器集群
                                                                                    联
                                                                                    接
                              接
                              口                                                     口
                                             应用服务器与Web服务器之间的接口

此次性能测试范围为:
WEB服务器
                                  Web1          Web2       Web3              Web4
应用服务器
数据库服务器

                                     LoadGenerator                LoadGenerator


    揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试背景、目的和范围


  测试目的


                                 得到该系统的各
为了实现生产环境的正常运营,                   项关键性能指标
                                  (测试环境)
并支撑未来业务扩展的需求。
进行性能测试以确定核心业务
系统在当前业务量及以后的业
务发现中的性能表现。
                                 测试目的        异常情况测
                        发现核心业                试,当其中
                        务系统的性                一台应用服
                        能瓶颈并协                务器宕机时
                        助进行解决                ,是否实现
                                              切换




   揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试环境和策略

测试环境
测试环境                                  生产环境


 Web服务器:                              Web服务器:
 6C 4G                                2C 4G


 应用服务器1:                              应用服务器1:
 2C 12G                               2C(X5560)12G
                   环境差异
 应用服务器2:                              应用服务器2:
 2C 12G                               2C(X5560)12G


 服务库服务器:                              服务库服务器:
 32C 64G                              48C 192G



  揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试环境和策略

       测试策略
                                                             后台存储



                               其                                                             其
                               他                                                             他
                                                          数据库服务器集群                           关
                               关
   脚本编写——实现业务逻辑               联                                                             联
                               系                                                             系
                               统                  应用服务器与数据库服务器之间的接口                          统




                                                                                             2
   场景设置——实现真实环境模拟




                               1
                                   外                                                     外
                                   联                                                     联
                                                            应用服务器集群                      接
   监控策略——实现数据收集                   接
                                   口                                                     口
                                                  应用服务器与Web服务器之间的接口
   执行控制——关注执行过程



                                       Web1          Web2       Web3              Web4




                                          LoadGenerator                LoadGenerator


         揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试模型和案例




1.   得到系统一段时间内的业务量;
2.   计算每日业务量,并看业务量峰值计算单位
     时间内的业务量
3.   再按各子业务分类统计业务量;
4.   按子业务量比例分配用户;
5.   完成场景中各业务用户分配。




        揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试执行和监控


     客户端   DNS时   网络时   服务时间   服务时间   网络
                                             数据库时间
     时间    间      间                   时间




           应用处理返回
                                      数据返
           时间
                                      回时间

在测试过程中,由前端用户发起压力。分别对以下内容进行监控:
Web服务器:系统资源、应用资源、硬件资源
应用服务器:系统资源、应用资源、硬件资源
数据库服务器:系统资源、应用资源、硬件资源

      核心                                         Web 应用
      业务                                         服务器服务器
     业务A                                         数据库
                                                       网络
     业务B


   揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
测试结果说明

                      单证子系统                                                 用户数和TPS关系图                                                               用户数和响应时间关系图

                                                    35                                                                   6

                                                    30                                                                   5

                用户响应时间会增                            25
                                                                                                                         4

                长。应用服务器操作




                                                                                                                  响应时间
                                                    20




                                              TPS
                                                                                                            TPS          3                                                           响应时间

                系统的CPU、磁盘、                          15
                                                                                                                         2
                                                    10
                内存使用率都没有明                           5
                                                                                                                         1

                显的增加。                               0                                                                    0
                                                                  20        30          40        50                                       20        30          40        50
                                                                                 用户数                                                                      用户数


                分析数据库CPU资源时会看到,CPU的资源使用率非常高。从分析数据库的
                AWR报告看出,数据库在处理SQL的硬解析上,耗费资源较多。
                      用户数和CPU使用率关系图                                              用户数和内存使用率关系图                                                             用户和磁盘使用率关系图

          100                                                     90                                                                  18
          90                                                      80                                                                  16
          80                                                      70                                                                  14
          70
                                                                  60                                                                  12
                                                         内存使用率%




                                                                                                                             磁盘使用率%
CPU使用率%




          60
                                           33(DB)                 50                                        33(DB)                    10                                              33(DB)
          50                               34(AP)                                                           34(AP)                                                                    34(AP)
                                           35(AP)                 40                                        35(AP)                    8                                               35(AP)
          40
                                                                  30                                                                  6
          30
          20                                                      20                                                                  4

          10                                                      10                                                                  2

            0                                                     0                                                                   0
                 20   30         40   50                               20        30          40        50                                       20        30          40        50
                           用户数                                                        用户数                                                                       用户




                           揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
SQL语句未绑定(续上)
示例语句:




AWR结果:




涉及系统:                   建议:
XX系统                     优化代码,绑定SQL语句中的变量。




       揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
数据量和执行时间关系图                                                                        数据量和CPU使用率关系图


                                          财务收付子系统                                                                                                                                                                                                                                                     45
                                                                                                                                                                                                                                                                                                      40
                                                                                                                                                                                                                                                                                                                                                                                                4.5
                                                                                                                                                                                                                                                                                                                                                                                                  4

                                                                                                                                                                                                                                                                                                      35                                                                                        3.5
                                             数据量递增时,数据库




                                                                                                                                                                                                                                                                                      执行时间(分钟)
                                                                                                                                                                                                                                                                                                      30                                                                                          3




                                                                                                                                                                                                                                                                                                                                                                                      CPU使用率%
                                             处理时间也在增加。                                                                                                                                                                                                                                                25
                                                                                                                                                                                                                                                                                                                                                                           执行时间(分钟)
                                                                                                                                                                                                                                                                                                                                                                                                2.5                                                         33(DB)
                                                                                                                                                                                                                                                                                                                                                                                                                                                            34(AP)
                                                                                                                                                                                                                                                                                                      20                                                                                          2
                                             36197条数据量时数据                                                                                                                                                                                                                                                                                                                                       1.5
                                                                                                                                                                                                                                                                                                                                                                                                                                                            35(AP)
                                                                                                                                                                                                                                                                                                      15
                                             库耗时25分钟,69179                                                                                                                                                                                                                                            10                                                                                          1

                                             条数据量时数据库耗时                                                                                                                                                                                                                                               5                                                                                         0.5

                                                                                                                                                                                                                                                                                                      0                                                                                           0
                                             33分钟,103569条数据                                                                                                                                                                                                                                                                 36,197条           69,179条      103,569条                                                 36,197条        69,179条     103,569条

                                             量时数据库耗时40分钟。                                                                                                                                                                                                                                                                                      数据量                                                                                  数据量




                                                   数据库服务器33(DB)的CPU,第24颗CPU的使用率已达到100%。

                                                                                                           CPU by Processor DB1_P690 2010-11-24                                                                                                                                                                                                     数据量和磁盘使用率关系图                                                                  数据量和内存使用率关系图
                                                                                                                                     User% Sys% Wait%
                                                                                                                                                                                                                                                                                                                                    2.5                                                                        80
100
                                                                                                                                                                                                                                                                                                                                                                                                               70
 90
                                                                                                                                                                                                                                                                                                                                      2
                                                                                                                                                                                                                                                                                                                磁盘使用率(Disk Busy%)




 80                                                                                                                                                                                                                                                                                                                                                                                                            60
 70




                                                                                                                                                                                                                                                                                                                                                                                                      内存使用率%
                                                                                                                                                                                                                                                                                                                                                                                                               50
                                                                                                                                                                                                                                                                                                                                    1.5                                                                                                                     33(DB)
 60                                                                                                                                                                                                                                                                                                                                                                               33(DB)
                                                                                                                                                                                                                                                                                                                                                                                  34(AP)                       40                                           34(AP)
 50
                                                                                                                                                                                                                                                                                                                                                                                  35(AP)                                                                    35(AP)
 40                                                                                                                                                                                                                                                                                                                                   1                                                                        30
 30
                                                                                                                                                                                                                                                                                                                                                                                                               20
 20                                                                                                                                                                                                                                                                                                                                 0.5
                                                                                                                                                                                                                                                                                                                                                                                                               10
 10
  0                                                                                                                                                                                                                                                                                                                                   0                                                                        0
                                                                                                                                                                                                                                                                                                                                                                                                                       36,197条       69,179条     103,569条
      CPU000

               CPU001

                        CPU002

                                 CPU003

                                          CPU004

                                                   CPU005

                                                            CPU006

                                                                     CPU007

                                                                              CPU008

                                                                                       CPU009

                                                                                                CPU010
                                                                                                         CPU011

                                                                                                                  CPU012

                                                                                                                           CPU013

                                                                                                                                    CPU014

                                                                                                                                             CPU015

                                                                                                                                                      CPU016

                                                                                                                                                               CPU017

                                                                                                                                                                        CPU018

                                                                                                                                                                                 CPU019

                                                                                                                                                                                          CPU020

                                                                                                                                                                                                   CPU021
                                                                                                                                                                                                            CPU022

                                                                                                                                                                                                                     CPU023

                                                                                                                                                                                                                              CPU024

                                                                                                                                                                                                                                       CPU025

                                                                                                                                                                                                                                                CPU026

                                                                                                                                                                                                                                                         CPU027

                                                                                                                                                                                                                                                                  CPU028

                                                                                                                                                                                                                                                                           CPU029

                                                                                                                                                                                                                                                                                    CPU030

                                                                                                                                                                                                                                                                                             CPU031

                                                                                                                                                                                                                                                                                                       CPU032




                                                                                                                                                                                                                                                                                                                                          36,197条       69,179条       103,569条
                                                                                                                                                                                                                                                                                                                                                         数据量                                                                          数据量



                                                                                                                                                  揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
单CPU使用率高(续上)
问题现象:
财务子系统3万数据量时,数据库CPU使用率:      财务子系统6万数据量时,数据库CPU使用率:




涉及系统:                   建议:
XX系统                     后台进程改为多线程调用。




       揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
用户数和TPS关系图                                                                                 用户数与响应时间关系图


                信件子系统                             70.00
                                                                                                                              9

                                                                                                                              8
                                                  60.00
                用户数递增时,CPU使                       50.00
                                                                                                                              7

                                                                                                                              6                                                                              个险首期转账不成


                用率逐渐升高,当用户
                                                                                                                                                                                                             功问题件




                                                                                                                       响应时间
                                                  40.00                                                                       5




                                          T P S
                                                                                                                 TPS
                数在30User时,而数据                     30.00
                                                                                                                              4

                                                                                                                              3
                                                                                                                                                                                                             体检问题件




                库的CPU达到了80%,                      20.00
                                                                                                                              2

                                                  10.00
                当在50User时,数据库                     0.00
                                                                                                                              1

                                                                                                                              0

                的CPU达到了89%。                                    2Uer         10Uer
                                                                                    用户数
                                                                                           30Uer    50Uer                         2User                      10User
                                                                                                                                                                      用户数
                                                                                                                                                                                 30User        50User




                 数据库服务器33(DB)的CPU使用率已达到90%,看出CPU使用率已达到最大值。
                     用户数和CPU使用率关系图                                                   用户数和内存使用率关系图                                                                           用户和磁盘使用率关系图

          100                                                      90                                                                                   16
          90                                                       80                                                                                   14
          80
                                                                   70




                                                                                                                                    磁盘使用率(Disk Busy)%
                                                                                                                                                        12
          70
                                                                   60
                                                          内存使用率%




                                                                                                                                                        10
CPU使用率%




          60
                                           33(DB)                  50                                                  33(DB)                                                                                        33(DB)
          50                               34(AP)                                                                      34(AP)                           8                                                            34(AP)
                                           35(AP)                  40                                                  35(AP)                                                                                        35(AP)
          40
                                                                                                                                                        6
          30
                                                                   30

                                                                   20                                                                                   4
          20
          10                                                       10                                                                                   2

            0                                                      0                                                                                    0
                 2   10         30   50                                 2             10           30       50                                               2              10            30            50
                          用户数                                                                用户数                                                                                  用户数



                            揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
SQL语句执行效率低(续上)
示例语句:




执行计划:




                            建议:
                             重新分析业务逻辑,优化SQL语句;
                             分析并修改执行计划。
        揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
内存泄露问题




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
对象大小及方法调用时间分析

内存问题定位                     方法调用时间分析




    揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
性能分析中的逻辑思考




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
性能测试的逻辑思考

                 逻辑思维
                 分析能力


                                硬件平台

                  代码层
涉及的技术                                  业务知识
                  应用层


    架构            OS层




 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
性能测试涉及的技术范围




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
数据敏感性



• 1秒的影响

 对于单个用户的响应时间,1秒的差距可能
 不显著,甚至被忽视。但是对于一个不间
 断的被成百上千用户同时访问的服务器来
 说,每个用户的响应时间都缩短1秒将是非
 常巨大的区别。
 举这个例子是为了说明性能测试人员应该对数据敏感。


   揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
性能执行中的控制




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
控制进度、风险和目标

                             它可以是时间,可以是资源,
                                也可以是业务!



       性能
分析     问题       优化




     揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
理解性能监控

                                      应      用




 Scheduler
                                      Interface


                                            Multi-APP support

Testing 1
              Testing 2


                          Testing 3               Monitor
      Testing n


     揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
关注瓶颈




                      盘
                      盘   存



                CPU
                      磁   存



               CPU
                      磁   内
                          内
                 应用服务器                    数据库




揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!




                 www.top100summit.com

More Related Content

What's hot

淘宝双11双12案例分享
淘宝双11双12案例分享淘宝双11双12案例分享
淘宝双11双12案例分享
vanadies10
 
Solution apc 4.0
Solution apc 4.0Solution apc 4.0
Solution apc 4.0ahnlabchina
 
胡涛:Cdn支撑平台构建实践分享
胡涛:Cdn支撑平台构建实践分享胡涛:Cdn支撑平台构建实践分享
胡涛:Cdn支撑平台构建实践分享Enlight Chen
 
imobile-beta技术沙龙
imobile-beta技术沙龙imobile-beta技术沙龙
imobile-beta技术沙龙
posestudio
 
从运维系统的开发谈安全架构设计
从运维系统的开发谈安全架构设计从运维系统的开发谈安全架构设计
从运维系统的开发谈安全架构设计
mysqlops
 
鹰眼下的淘宝_EagleEye with Taobao
鹰眼下的淘宝_EagleEye with Taobao鹰眼下的淘宝_EagleEye with Taobao
鹰眼下的淘宝_EagleEye with Taobao
terryice
 
tasmc Mason Liu SAP Teched@Shanghai
tasmc Mason Liu SAP Teched@Shanghaitasmc Mason Liu SAP Teched@Shanghai
tasmc Mason Liu SAP Teched@Shanghai
tasmc
 
手机之家新系统介绍及架构分享
手机之家新系统介绍及架构分享手机之家新系统介绍及架构分享
手机之家新系统介绍及架构分享
Dahui Feng
 
Training apc-4.0
Training apc-4.0Training apc-4.0
Training apc-4.0ahnlabchina
 
20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页
20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页
20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页
liu sheng
 
昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求
昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求
昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求samanthaleee
 
手机之家的数据访问层实践
手机之家的数据访问层实践手机之家的数据访问层实践
手机之家的数据访问层实践
guestf5121c
 

What's hot (12)

淘宝双11双12案例分享
淘宝双11双12案例分享淘宝双11双12案例分享
淘宝双11双12案例分享
 
Solution apc 4.0
Solution apc 4.0Solution apc 4.0
Solution apc 4.0
 
胡涛:Cdn支撑平台构建实践分享
胡涛:Cdn支撑平台构建实践分享胡涛:Cdn支撑平台构建实践分享
胡涛:Cdn支撑平台构建实践分享
 
imobile-beta技术沙龙
imobile-beta技术沙龙imobile-beta技术沙龙
imobile-beta技术沙龙
 
从运维系统的开发谈安全架构设计
从运维系统的开发谈安全架构设计从运维系统的开发谈安全架构设计
从运维系统的开发谈安全架构设计
 
鹰眼下的淘宝_EagleEye with Taobao
鹰眼下的淘宝_EagleEye with Taobao鹰眼下的淘宝_EagleEye with Taobao
鹰眼下的淘宝_EagleEye with Taobao
 
tasmc Mason Liu SAP Teched@Shanghai
tasmc Mason Liu SAP Teched@Shanghaitasmc Mason Liu SAP Teched@Shanghai
tasmc Mason Liu SAP Teched@Shanghai
 
手机之家新系统介绍及架构分享
手机之家新系统介绍及架构分享手机之家新系统介绍及架构分享
手机之家新系统介绍及架构分享
 
Training apc-4.0
Training apc-4.0Training apc-4.0
Training apc-4.0
 
20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页
20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页
20130626联动优势数据访问层DAL架构和实践5(刘胜)数据分片和分页
 
昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求
昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求
昆腾技术白皮书- 重新设计备份和恢复,适应未来虚拟化和整合的需求
 
手机之家的数据访问层实践
手机之家的数据访问层实践手机之家的数据访问层实践
手机之家的数据访问层实践
 

Viewers also liked

Distributed agile in the enterprise and virtual spaces 2012-08-16
Distributed agile in the enterprise and virtual spaces 2012-08-16Distributed agile in the enterprise and virtual spaces 2012-08-16
Distributed agile in the enterprise and virtual spaces 2012-08-16
drewz lin
 
Top100summit 于辰涛-联想乐云平台
Top100summit 于辰涛-联想乐云平台Top100summit 于辰涛-联想乐云平台
Top100summit 于辰涛-联想乐云平台drewz lin
 
Easily mockingdependenciesinc++ 2
Easily mockingdependenciesinc++ 2Easily mockingdependenciesinc++ 2
Easily mockingdependenciesinc++ 2
drewz lin
 
Top100summit 跨平台自動化測試與工具 徐翔智
Top100summit 跨平台自動化測試與工具 徐翔智Top100summit 跨平台自動化測試與工具 徐翔智
Top100summit 跨平台自動化測試與工具 徐翔智
drewz lin
 
Need forbuildspeed agile2012
Need forbuildspeed agile2012Need forbuildspeed agile2012
Need forbuildspeed agile2012
drewz lin
 
How much will this project.cost.r1
How much will this project.cost.r1How much will this project.cost.r1
How much will this project.cost.r1
drewz lin
 
Mainframes agile2012
Mainframes agile2012Mainframes agile2012
Mainframes agile2012
drewz lin
 
Exploring ux practices 4 product development agile2012
Exploring ux practices 4 product development agile2012Exploring ux practices 4 product development agile2012
Exploring ux practices 4 product development agile2012
drewz lin
 
3 secure design principles
3   secure design principles3   secure design principles
3 secure design principles
drewz lin
 
Process affordances-workshop
Process affordances-workshopProcess affordances-workshop
Process affordances-workshop
drewz lin
 
8 sql injection
8   sql injection8   sql injection
8 sql injection
drewz lin
 
Innovation
InnovationInnovation
Innovation
drewz lin
 
Shared vision
Shared visionShared vision
Shared vision
drewz lin
 
Kanban pizza game all included
Kanban pizza game all includedKanban pizza game all included
Kanban pizza game all included
drewz lin
 
Modeling, simulation & data mining agile 2012 (magennis & maccherone)
Modeling, simulation & data mining   agile 2012 (magennis & maccherone)Modeling, simulation & data mining   agile 2012 (magennis & maccherone)
Modeling, simulation & data mining agile 2012 (magennis & maccherone)
drewz lin
 
Cracking bigrocks agile2012-20120812
Cracking bigrocks agile2012-20120812Cracking bigrocks agile2012-20120812
Cracking bigrocks agile2012-20120812
drewz lin
 
Beyond the agile mindset agile 2012
Beyond the agile mindset   agile 2012Beyond the agile mindset   agile 2012
Beyond the agile mindset agile 2012
drewz lin
 

Viewers also liked (17)

Distributed agile in the enterprise and virtual spaces 2012-08-16
Distributed agile in the enterprise and virtual spaces 2012-08-16Distributed agile in the enterprise and virtual spaces 2012-08-16
Distributed agile in the enterprise and virtual spaces 2012-08-16
 
Top100summit 于辰涛-联想乐云平台
Top100summit 于辰涛-联想乐云平台Top100summit 于辰涛-联想乐云平台
Top100summit 于辰涛-联想乐云平台
 
Easily mockingdependenciesinc++ 2
Easily mockingdependenciesinc++ 2Easily mockingdependenciesinc++ 2
Easily mockingdependenciesinc++ 2
 
Top100summit 跨平台自動化測試與工具 徐翔智
Top100summit 跨平台自動化測試與工具 徐翔智Top100summit 跨平台自動化測試與工具 徐翔智
Top100summit 跨平台自動化測試與工具 徐翔智
 
Need forbuildspeed agile2012
Need forbuildspeed agile2012Need forbuildspeed agile2012
Need forbuildspeed agile2012
 
How much will this project.cost.r1
How much will this project.cost.r1How much will this project.cost.r1
How much will this project.cost.r1
 
Mainframes agile2012
Mainframes agile2012Mainframes agile2012
Mainframes agile2012
 
Exploring ux practices 4 product development agile2012
Exploring ux practices 4 product development agile2012Exploring ux practices 4 product development agile2012
Exploring ux practices 4 product development agile2012
 
3 secure design principles
3   secure design principles3   secure design principles
3 secure design principles
 
Process affordances-workshop
Process affordances-workshopProcess affordances-workshop
Process affordances-workshop
 
8 sql injection
8   sql injection8   sql injection
8 sql injection
 
Innovation
InnovationInnovation
Innovation
 
Shared vision
Shared visionShared vision
Shared vision
 
Kanban pizza game all included
Kanban pizza game all includedKanban pizza game all included
Kanban pizza game all included
 
Modeling, simulation & data mining agile 2012 (magennis & maccherone)
Modeling, simulation & data mining   agile 2012 (magennis & maccherone)Modeling, simulation & data mining   agile 2012 (magennis & maccherone)
Modeling, simulation & data mining agile 2012 (magennis & maccherone)
 
Cracking bigrocks agile2012-20120812
Cracking bigrocks agile2012-20120812Cracking bigrocks agile2012-20120812
Cracking bigrocks agile2012-20120812
 
Beyond the agile mindset agile 2012
Beyond the agile mindset   agile 2012Beyond the agile mindset   agile 2012
Beyond the agile mindset agile 2012
 

Similar to Top100summit 高楼-7点测试-zee-性能测试案例分享

网易 李弈远 网易服务集成框架的构建与运维
网易 李弈远 网易服务集成框架的构建与运维网易 李弈远 网易服务集成框架的构建与运维
网易 李弈远 网易服务集成框架的构建与运维colderboy17
 
Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境
Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境
Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境drewz lin
 
王龙:百度数据库架构演变与设计
王龙:百度数据库架构演变与设计王龙:百度数据库架构演变与设计
王龙:百度数据库架构演变与设计YANGL *
 
深入研究雲端應用程式平台-AppFabric
深入研究雲端應用程式平台-AppFabric深入研究雲端應用程式平台-AppFabric
深入研究雲端應用程式平台-AppFabricJohn Chang
 
Open stack中国社区开放测试平台(ostp)
Open stack中国社区开放测试平台(ostp)Open stack中国社区开放测试平台(ostp)
Open stack中国社区开放测试平台(ostp)
OpenCity Community
 
+++º+ ¦¦ ¦ ¦¦ ¦+ =
+++º+ ¦¦  ¦ ¦¦ ¦+ =+++º+ ¦¦  ¦ ¦¦ ¦+ =
+++º+ ¦¦ ¦ ¦¦ ¦+ =guesta6295f3
 
03 李实恭-乘云之势以智致远 0611
03 李实恭-乘云之势以智致远 061103 李实恭-乘云之势以智致远 0611
03 李实恭-乘云之势以智致远 0611ikewu83
 
Pm 04 华胜天成openstack实践汇报-20120808
Pm 04 华胜天成openstack实践汇报-20120808Pm 04 华胜天成openstack实践汇报-20120808
Pm 04 华胜天成openstack实践汇报-20120808OpenCity Community
 
众行业公司系统架构案例介绍
众行业公司系统架构案例介绍众行业公司系统架构案例介绍
众行业公司系统架构案例介绍
mysqlops
 
腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松Michael Zhang
 
腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松areyouok
 
Iaa s管理平台的规划与研发 社区
Iaa s管理平台的规划与研发 社区Iaa s管理平台的规划与研发 社区
Iaa s管理平台的规划与研发 社区benbenhappy
 
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验colderboy17
 
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
guiyingshenxia
 
Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系
Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系
Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系drewz lin
 
低成本和高性能MySQL云架构探索
低成本和高性能MySQL云架构探索低成本和高性能MySQL云架构探索
低成本和高性能MySQL云架构探索Feng Yu
 
MySQL5.6&5.7 Cluster 7.3 Review
MySQL5.6&5.7 Cluster 7.3 ReviewMySQL5.6&5.7 Cluster 7.3 Review
MySQL5.6&5.7 Cluster 7.3 Review郁萍 王
 
Mocha Bsm
Mocha BsmMocha Bsm
Mocha Bsm
王 莆中
 
Foodie 餐廳推薦系統
Foodie 餐廳推薦系統Foodie 餐廳推薦系統
Foodie 餐廳推薦系統
JamesMa54
 
Raising The MySQL Bar-Manyi Lu
Raising The MySQL Bar-Manyi LuRaising The MySQL Bar-Manyi Lu
Raising The MySQL Bar-Manyi Lu
郁萍 王
 

Similar to Top100summit 高楼-7点测试-zee-性能测试案例分享 (20)

网易 李弈远 网易服务集成框架的构建与运维
网易 李弈远 网易服务集成框架的构建与运维网易 李弈远 网易服务集成框架的构建与运维
网易 李弈远 网易服务集成框架的构建与运维
 
Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境
Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境
Top100summit 腾讯-周健-服务化与体系化解决大量定制小项目开发困境
 
王龙:百度数据库架构演变与设计
王龙:百度数据库架构演变与设计王龙:百度数据库架构演变与设计
王龙:百度数据库架构演变与设计
 
深入研究雲端應用程式平台-AppFabric
深入研究雲端應用程式平台-AppFabric深入研究雲端應用程式平台-AppFabric
深入研究雲端應用程式平台-AppFabric
 
Open stack中国社区开放测试平台(ostp)
Open stack中国社区开放测试平台(ostp)Open stack中国社区开放测试平台(ostp)
Open stack中国社区开放测试平台(ostp)
 
+++º+ ¦¦ ¦ ¦¦ ¦+ =
+++º+ ¦¦  ¦ ¦¦ ¦+ =+++º+ ¦¦  ¦ ¦¦ ¦+ =
+++º+ ¦¦ ¦ ¦¦ ¦+ =
 
03 李实恭-乘云之势以智致远 0611
03 李实恭-乘云之势以智致远 061103 李实恭-乘云之势以智致远 0611
03 李实恭-乘云之势以智致远 0611
 
Pm 04 华胜天成openstack实践汇报-20120808
Pm 04 华胜天成openstack实践汇报-20120808Pm 04 华胜天成openstack实践汇报-20120808
Pm 04 华胜天成openstack实践汇报-20120808
 
众行业公司系统架构案例介绍
众行业公司系统架构案例介绍众行业公司系统架构案例介绍
众行业公司系统架构案例介绍
 
腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松
 
腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松腾讯大讲堂30 运维工具让你的开发运营更轻松
腾讯大讲堂30 运维工具让你的开发运营更轻松
 
Iaa s管理平台的规划与研发 社区
Iaa s管理平台的规划与研发 社区Iaa s管理平台的规划与研发 社区
Iaa s管理平台的规划与研发 社区
 
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
 
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
腾讯 马志强 虚拟化环境下 网络 朋务器 平台的协作经验
 
Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系
Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系
Top100summit 陈辉-游戏测试平台 策划资源文件自动化测试体系
 
低成本和高性能MySQL云架构探索
低成本和高性能MySQL云架构探索低成本和高性能MySQL云架构探索
低成本和高性能MySQL云架构探索
 
MySQL5.6&5.7 Cluster 7.3 Review
MySQL5.6&5.7 Cluster 7.3 ReviewMySQL5.6&5.7 Cluster 7.3 Review
MySQL5.6&5.7 Cluster 7.3 Review
 
Mocha Bsm
Mocha BsmMocha Bsm
Mocha Bsm
 
Foodie 餐廳推薦系統
Foodie 餐廳推薦系統Foodie 餐廳推薦系統
Foodie 餐廳推薦系統
 
Raising The MySQL Bar-Manyi Lu
Raising The MySQL Bar-Manyi LuRaising The MySQL Bar-Manyi Lu
Raising The MySQL Bar-Manyi Lu
 

More from drewz lin

Web security-–-everything-we-know-is-wrong-eoin-keary
Web security-–-everything-we-know-is-wrong-eoin-kearyWeb security-–-everything-we-know-is-wrong-eoin-keary
Web security-–-everything-we-know-is-wrong-eoin-keary
drewz lin
 
Via forensics appsecusa-nov-2013
Via forensics appsecusa-nov-2013Via forensics appsecusa-nov-2013
Via forensics appsecusa-nov-2013
drewz lin
 
Phu appsec13
Phu appsec13Phu appsec13
Phu appsec13
drewz lin
 
Owasp2013 johannesullrich
Owasp2013 johannesullrichOwasp2013 johannesullrich
Owasp2013 johannesullrich
drewz lin
 
Owasp advanced mobile-application-code-review-techniques-v0.2
Owasp advanced mobile-application-code-review-techniques-v0.2Owasp advanced mobile-application-code-review-techniques-v0.2
Owasp advanced mobile-application-code-review-techniques-v0.2
drewz lin
 
I mas appsecusa-nov13-v2
I mas appsecusa-nov13-v2I mas appsecusa-nov13-v2
I mas appsecusa-nov13-v2
drewz lin
 
Defeating xss-and-xsrf-with-my faces-frameworks-steve-wolf
Defeating xss-and-xsrf-with-my faces-frameworks-steve-wolfDefeating xss-and-xsrf-with-my faces-frameworks-steve-wolf
Defeating xss-and-xsrf-with-my faces-frameworks-steve-wolf
drewz lin
 
Csrf not-all-defenses-are-created-equal
Csrf not-all-defenses-are-created-equalCsrf not-all-defenses-are-created-equal
Csrf not-all-defenses-are-created-equal
drewz lin
 
Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21
Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21
Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21
drewz lin
 
Appsec usa roberthansen
Appsec usa roberthansenAppsec usa roberthansen
Appsec usa roberthansen
drewz lin
 
Appsec usa2013 js_libinsecurity_stefanodipaola
Appsec usa2013 js_libinsecurity_stefanodipaolaAppsec usa2013 js_libinsecurity_stefanodipaola
Appsec usa2013 js_libinsecurity_stefanodipaola
drewz lin
 
Appsec2013 presentation-dickson final-with_all_final_edits
Appsec2013 presentation-dickson final-with_all_final_editsAppsec2013 presentation-dickson final-with_all_final_edits
Appsec2013 presentation-dickson final-with_all_final_edits
drewz lin
 
Appsec2013 presentation
Appsec2013 presentationAppsec2013 presentation
Appsec2013 presentation
drewz lin
 
Appsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitations
Appsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitationsAppsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitations
Appsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitations
drewz lin
 
Appsec2013 assurance tagging-robert martin
Appsec2013 assurance tagging-robert martinAppsec2013 assurance tagging-robert martin
Appsec2013 assurance tagging-robert martin
drewz lin
 
Amol scadaowasp
Amol scadaowaspAmol scadaowasp
Amol scadaowasp
drewz lin
 
Agile sdlc-v1.1-owasp-app sec-usa
Agile sdlc-v1.1-owasp-app sec-usaAgile sdlc-v1.1-owasp-app sec-usa
Agile sdlc-v1.1-owasp-app sec-usa
drewz lin
 
Vulnex app secusa2013
Vulnex app secusa2013Vulnex app secusa2013
Vulnex app secusa2013
drewz lin
 
基于虚拟化技术的分布式软件测试框架
基于虚拟化技术的分布式软件测试框架基于虚拟化技术的分布式软件测试框架
基于虚拟化技术的分布式软件测试框架drewz lin
 
新浪微博稳定性经验谈
新浪微博稳定性经验谈新浪微博稳定性经验谈
新浪微博稳定性经验谈drewz lin
 

More from drewz lin (20)

Web security-–-everything-we-know-is-wrong-eoin-keary
Web security-–-everything-we-know-is-wrong-eoin-kearyWeb security-–-everything-we-know-is-wrong-eoin-keary
Web security-–-everything-we-know-is-wrong-eoin-keary
 
Via forensics appsecusa-nov-2013
Via forensics appsecusa-nov-2013Via forensics appsecusa-nov-2013
Via forensics appsecusa-nov-2013
 
Phu appsec13
Phu appsec13Phu appsec13
Phu appsec13
 
Owasp2013 johannesullrich
Owasp2013 johannesullrichOwasp2013 johannesullrich
Owasp2013 johannesullrich
 
Owasp advanced mobile-application-code-review-techniques-v0.2
Owasp advanced mobile-application-code-review-techniques-v0.2Owasp advanced mobile-application-code-review-techniques-v0.2
Owasp advanced mobile-application-code-review-techniques-v0.2
 
I mas appsecusa-nov13-v2
I mas appsecusa-nov13-v2I mas appsecusa-nov13-v2
I mas appsecusa-nov13-v2
 
Defeating xss-and-xsrf-with-my faces-frameworks-steve-wolf
Defeating xss-and-xsrf-with-my faces-frameworks-steve-wolfDefeating xss-and-xsrf-with-my faces-frameworks-steve-wolf
Defeating xss-and-xsrf-with-my faces-frameworks-steve-wolf
 
Csrf not-all-defenses-are-created-equal
Csrf not-all-defenses-are-created-equalCsrf not-all-defenses-are-created-equal
Csrf not-all-defenses-are-created-equal
 
Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21
Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21
Chuck willis-owaspbwa-beyond-1.0-app secusa-2013-11-21
 
Appsec usa roberthansen
Appsec usa roberthansenAppsec usa roberthansen
Appsec usa roberthansen
 
Appsec usa2013 js_libinsecurity_stefanodipaola
Appsec usa2013 js_libinsecurity_stefanodipaolaAppsec usa2013 js_libinsecurity_stefanodipaola
Appsec usa2013 js_libinsecurity_stefanodipaola
 
Appsec2013 presentation-dickson final-with_all_final_edits
Appsec2013 presentation-dickson final-with_all_final_editsAppsec2013 presentation-dickson final-with_all_final_edits
Appsec2013 presentation-dickson final-with_all_final_edits
 
Appsec2013 presentation
Appsec2013 presentationAppsec2013 presentation
Appsec2013 presentation
 
Appsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitations
Appsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitationsAppsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitations
Appsec 2013-krehel-ondrej-forensic-investigations-of-web-exploitations
 
Appsec2013 assurance tagging-robert martin
Appsec2013 assurance tagging-robert martinAppsec2013 assurance tagging-robert martin
Appsec2013 assurance tagging-robert martin
 
Amol scadaowasp
Amol scadaowaspAmol scadaowasp
Amol scadaowasp
 
Agile sdlc-v1.1-owasp-app sec-usa
Agile sdlc-v1.1-owasp-app sec-usaAgile sdlc-v1.1-owasp-app sec-usa
Agile sdlc-v1.1-owasp-app sec-usa
 
Vulnex app secusa2013
Vulnex app secusa2013Vulnex app secusa2013
Vulnex app secusa2013
 
基于虚拟化技术的分布式软件测试框架
基于虚拟化技术的分布式软件测试框架基于虚拟化技术的分布式软件测试框架
基于虚拟化技术的分布式软件测试框架
 
新浪微博稳定性经验谈
新浪微博稳定性经验谈新浪微博稳定性经验谈
新浪微博稳定性经验谈
 

Top100summit 高楼-7点测试-zee-性能测试案例分享

  • 1. 性能测试案例分享 Zee 性能测试专家 7点测试 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 2. 性能测试案例 性能分析中的逻辑思考 性能执行中的控制 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 4. 目录 测试背景、目的和范围 测试环境和策略 测试模型和案例 测试执行和监控 测试结果说明 性能问题描述 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 5. 测试目的和范围 测试范围 后台存储 在生产环境中,通过上图看到, 其 其 他 他 在核心业务系统中,有一台F5 关 数据库服务器集群 关 做流量分发,两台Apache 联 联 系 系 Web服务器接收到业务流量之 统 应用服务器与数据库服务器之间的接口 统 2 后,分发到四个weblogic实例 1 外 外 上。 联 应用服务器集群 联 接 接 口 口 应用服务器与Web服务器之间的接口 此次性能测试范围为: WEB服务器 Web1 Web2 Web3 Web4 应用服务器 数据库服务器 LoadGenerator LoadGenerator 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 6. 测试背景、目的和范围 测试目的 得到该系统的各 为了实现生产环境的正常运营, 项关键性能指标 (测试环境) 并支撑未来业务扩展的需求。 进行性能测试以确定核心业务 系统在当前业务量及以后的业 务发现中的性能表现。 测试目的 异常情况测 发现核心业 试,当其中 务系统的性 一台应用服 能瓶颈并协 务器宕机时 助进行解决 ,是否实现 切换 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 7. 测试环境和策略 测试环境 测试环境 生产环境 Web服务器: Web服务器: 6C 4G 2C 4G 应用服务器1: 应用服务器1: 2C 12G 2C(X5560)12G 环境差异 应用服务器2: 应用服务器2: 2C 12G 2C(X5560)12G 服务库服务器: 服务库服务器: 32C 64G 48C 192G 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 8. 测试环境和策略 测试策略 后台存储 其 其 他 他 数据库服务器集群 关 关  脚本编写——实现业务逻辑 联 联 系 系 统 应用服务器与数据库服务器之间的接口 统 2  场景设置——实现真实环境模拟 1 外 外 联 联 应用服务器集群 接  监控策略——实现数据收集 接 口 口 应用服务器与Web服务器之间的接口  执行控制——关注执行过程 Web1 Web2 Web3 Web4 LoadGenerator LoadGenerator 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 9. 测试模型和案例 1. 得到系统一段时间内的业务量; 2. 计算每日业务量,并看业务量峰值计算单位 时间内的业务量 3. 再按各子业务分类统计业务量; 4. 按子业务量比例分配用户; 5. 完成场景中各业务用户分配。 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 10. 测试执行和监控 客户端 DNS时 网络时 服务时间 服务时间 网络 数据库时间 时间 间 间 时间 应用处理返回 数据返 时间 回时间 在测试过程中,由前端用户发起压力。分别对以下内容进行监控: Web服务器:系统资源、应用资源、硬件资源 应用服务器:系统资源、应用资源、硬件资源 数据库服务器:系统资源、应用资源、硬件资源 核心 Web 应用 业务 服务器服务器 业务A 数据库 网络 业务B 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 11. 测试结果说明 单证子系统 用户数和TPS关系图 用户数和响应时间关系图 35 6 30 5 用户响应时间会增 25 4 长。应用服务器操作 响应时间 20 TPS TPS 3 响应时间 系统的CPU、磁盘、 15 2 10 内存使用率都没有明 5 1 显的增加。 0 0 20 30 40 50 20 30 40 50 用户数 用户数 分析数据库CPU资源时会看到,CPU的资源使用率非常高。从分析数据库的 AWR报告看出,数据库在处理SQL的硬解析上,耗费资源较多。 用户数和CPU使用率关系图 用户数和内存使用率关系图 用户和磁盘使用率关系图 100 90 18 90 80 16 80 70 14 70 60 12 内存使用率% 磁盘使用率% CPU使用率% 60 33(DB) 50 33(DB) 10 33(DB) 50 34(AP) 34(AP) 34(AP) 35(AP) 40 35(AP) 8 35(AP) 40 30 6 30 20 20 4 10 10 2 0 0 0 20 30 40 50 20 30 40 50 20 30 40 50 用户数 用户数 用户 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 12. SQL语句未绑定(续上) 示例语句: AWR结果: 涉及系统: 建议: XX系统 优化代码,绑定SQL语句中的变量。 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 13. 数据量和执行时间关系图 数据量和CPU使用率关系图 财务收付子系统 45 40 4.5 4 35 3.5 数据量递增时,数据库 执行时间(分钟) 30 3 CPU使用率% 处理时间也在增加。 25 执行时间(分钟) 2.5 33(DB) 34(AP) 20 2 36197条数据量时数据 1.5 35(AP) 15 库耗时25分钟,69179 10 1 条数据量时数据库耗时 5 0.5 0 0 33分钟,103569条数据 36,197条 69,179条 103,569条 36,197条 69,179条 103,569条 量时数据库耗时40分钟。 数据量 数据量 数据库服务器33(DB)的CPU,第24颗CPU的使用率已达到100%。 CPU by Processor DB1_P690 2010-11-24 数据量和磁盘使用率关系图 数据量和内存使用率关系图 User% Sys% Wait% 2.5 80 100 70 90 2 磁盘使用率(Disk Busy%) 80 60 70 内存使用率% 50 1.5 33(DB) 60 33(DB) 34(AP) 40 34(AP) 50 35(AP) 35(AP) 40 1 30 30 20 20 0.5 10 10 0 0 0 36,197条 69,179条 103,569条 CPU000 CPU001 CPU002 CPU003 CPU004 CPU005 CPU006 CPU007 CPU008 CPU009 CPU010 CPU011 CPU012 CPU013 CPU014 CPU015 CPU016 CPU017 CPU018 CPU019 CPU020 CPU021 CPU022 CPU023 CPU024 CPU025 CPU026 CPU027 CPU028 CPU029 CPU030 CPU031 CPU032 36,197条 69,179条 103,569条 数据量 数据量 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 14. 单CPU使用率高(续上) 问题现象: 财务子系统3万数据量时,数据库CPU使用率: 财务子系统6万数据量时,数据库CPU使用率: 涉及系统: 建议: XX系统 后台进程改为多线程调用。 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 15. 用户数和TPS关系图 用户数与响应时间关系图 信件子系统 70.00 9 8 60.00 用户数递增时,CPU使 50.00 7 6 个险首期转账不成 用率逐渐升高,当用户 功问题件 响应时间 40.00 5 T P S TPS 数在30User时,而数据 30.00 4 3 体检问题件 库的CPU达到了80%, 20.00 2 10.00 当在50User时,数据库 0.00 1 0 的CPU达到了89%。 2Uer 10Uer 用户数 30Uer 50Uer 2User 10User 用户数 30User 50User 数据库服务器33(DB)的CPU使用率已达到90%,看出CPU使用率已达到最大值。 用户数和CPU使用率关系图 用户数和内存使用率关系图 用户和磁盘使用率关系图 100 90 16 90 80 14 80 70 磁盘使用率(Disk Busy)% 12 70 60 内存使用率% 10 CPU使用率% 60 33(DB) 50 33(DB) 33(DB) 50 34(AP) 34(AP) 8 34(AP) 35(AP) 40 35(AP) 35(AP) 40 6 30 30 20 4 20 10 10 2 0 0 0 2 10 30 50 2 10 30 50 2 10 30 50 用户数 用户数 用户数 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 16. SQL语句执行效率低(续上) 示例语句: 执行计划: 建议: 重新分析业务逻辑,优化SQL语句; 分析并修改执行计划。 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 18. 对象大小及方法调用时间分析 内存问题定位 方法调用时间分析 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 20. 性能测试的逻辑思考 逻辑思维 分析能力 硬件平台 代码层 涉及的技术 业务知识 应用层 架构 OS层 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 22. 数据敏感性 • 1秒的影响 对于单个用户的响应时间,1秒的差距可能 不显著,甚至被忽视。但是对于一个不间 断的被成百上千用户同时访问的服务器来 说,每个用户的响应时间都缩短1秒将是非 常巨大的区别。 举这个例子是为了说明性能测试人员应该对数据敏感。 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 24. 控制进度、风险和目标 它可以是时间,可以是资源, 也可以是业务! 性能 分析 问题 优化 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 25. 理解性能监控 应 用 Scheduler Interface Multi-APP support Testing 1 Testing 2 Testing 3 Monitor Testing n 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!
  • 26. 关注瓶颈 盘 盘 存 CPU 磁 存 CPU 磁 内 内 应用服务器 数据库 揭示研发管理白金定律,分享那些激动人心的创新与变革,使得团队获得过多源动力与更大的推动力!