偶然間看到了阿里中間件Dubbo的性能測(cè)試報(bào)告(http://t.cn/R53tm9q)，我覺(jué)得這份性能測(cè)試報(bào)告讓人覺(jué)得做這性能測(cè)試的人根本不懂性能測(cè)試，我覺(jué)得這個(gè)測(cè)試報(bào)告會(huì)把大眾帶溝里去，所以，想寫(xiě)算這篇文章，做一點(diǎn)科普。

[[171799]]

首先，這份測(cè)試報(bào)告里的主要問(wèn)題如下：

1. 用的全是平均值。老實(shí)說(shuō)，平均值是非常不靠譜的。
2. 響應(yīng)時(shí)間沒(méi)有和吞吐量TPS/QPS掛鉤。而只是測(cè)試了低速率的情況，這是完全錯(cuò)誤的。
3. 響應(yīng)時(shí)間和吞吐量沒(méi)有和成功率掛鉤。

為什么平均值不靠譜

關(guān)于平均值為什么不靠譜，我相信大家讀新聞的時(shí)候經(jīng)常可以看到，平均工資，平均房?jī)r(jià)，平均支出，等等這樣的字眼，你就知道為什么平均值不靠譜了。(這些都是數(shù)學(xué)游戲，對(duì)于理工科的同學(xué)來(lái)說(shuō)，天生應(yīng)該有免疫力)

軟件的性能測(cè)試也一樣，平均數(shù)也是不靠譜的，這里可以參看這篇詳細(xì)的文章《Why Averages Suck and Percentiles are Great》(http://t.cn/R53cChA)，我在這里簡(jiǎn)單說(shuō)一下。

我們知道，性能測(cè)試時(shí)，測(cè)試得到的結(jié)果數(shù)據(jù)不總是一樣的，而是有高有低的，如果算平均值就會(huì)出現(xiàn)這樣的情況，假如，測(cè)試了10次，有9次是1ms，而有1次是1s，那么平均數(shù)據(jù)就是100ms，很明顯，這完全不能反應(yīng)性能測(cè)試的情況，也許那1s的請(qǐng)求就是一個(gè)不正常的值，是個(gè)噪點(diǎn)。所以，我們會(huì)在一些評(píng)委打分中看到要去掉一個(gè)最高分一個(gè)最低分，然后再算平均值。

另外，中位數(shù)(Mean)可能會(huì)比平均數(shù)要稍微靠譜一些，所謂中位數(shù)的意就是把將一組數(shù)據(jù)按大小順序排列，處在最中間位置的一個(gè)數(shù)叫做這組數(shù)據(jù)的中位數(shù) ，這意味著至少有50%的數(shù)據(jù)低于或高于這個(gè)中位數(shù)。

當(dāng)然，最為正確的統(tǒng)計(jì)做法是用百分比分布統(tǒng)計(jì)。也就是英文中的TP – Top Percentile ，TP50的意思在，50%的請(qǐng)求都小于某個(gè)值，TP90表示90%的請(qǐng)求小于某個(gè)時(shí)間。

比如：我們有一組數(shù)據(jù)：[ 10ms, 1s, 200ms, 100ms]，我們把其從小到大排個(gè)序：[10ms, 100ms, 200ms, 1s]，于是我們知道，TP50，就是50%的請(qǐng)求ceil(4*0.5)=2時(shí)間是小于100ms的，TP90就是90%的請(qǐng)求ceil(4*0.9)=4時(shí)間小于1s。于是：TP50就是100ms，TP90就是1s。

我以前在路透做的金融系統(tǒng)響應(yīng)時(shí)間的性能測(cè)試的要求是這樣的，99.9%的請(qǐng)求必須小于1ms，所有的平均時(shí)間必須小于1ms。兩個(gè)條件的限制。

為什么響應(yīng)時(shí)間(latency)要和吞吐量(Thoughput)掛鉤

系統(tǒng)的性能如果只看吞吐量，不看響應(yīng)時(shí)間是沒(méi)有意義的。我的系統(tǒng)可以頂10萬(wàn)請(qǐng)求，但是響應(yīng)時(shí)間已經(jīng)到了5秒鐘，這樣的系統(tǒng)已經(jīng)不可用了，這樣的吞吐量也是沒(méi)有意義的。

我們知道，當(dāng)并發(fā)量(吞吐量)上漲的時(shí)候，系統(tǒng)會(huì)變得越來(lái)越不穩(wěn)定，響應(yīng)時(shí)間的波動(dòng)也會(huì)越來(lái)越大，響應(yīng)時(shí)間也會(huì)變得越來(lái)越慢，而吞吐率也越來(lái)越上不去(如下圖所示)，包括CPU的使用率情況也會(huì)如此。所以，當(dāng)系統(tǒng)變得不穩(wěn)定的時(shí)候，吞吐量已經(jīng)沒(méi)有意義了。吞吐量有意義的時(shí)候僅當(dāng)系統(tǒng)穩(wěn)定的時(shí)候。

所以，吞吐量的值必需有響應(yīng)時(shí)間來(lái)卡。比如：TP99小于100ms的時(shí)候，系統(tǒng)可以承載的最大并發(fā)數(shù)是1000qps。這意味著，我們要不斷的在不同的并發(fā)數(shù)上測(cè)試，以找到軟件的最穩(wěn)定時(shí)的最大吞吐量。

為什么響應(yīng)時(shí)間吞吐量和成功率要掛鉤

我們這應(yīng)該不難理解了，如果請(qǐng)求不成功的話(huà)，都還做毛的性能測(cè)試。比如，我說(shuō)我的系統(tǒng)并發(fā)可以達(dá)到10萬(wàn)，但是失敗率是40%，那么，這10萬(wàn)的并發(fā)完全就是一個(gè)笑話(huà)了。

性能測(cè)試的失敗率的容忍應(yīng)該是非常低的。對(duì)于一些關(guān)鍵系統(tǒng)，成功請(qǐng)求數(shù)必須在100%，一點(diǎn)都不能含糊。

如何嚴(yán)謹(jǐn)?shù)刈鲂阅軠y(cè)試

一般來(lái)說(shuō)，性能測(cè)試要統(tǒng)一考慮這么幾個(gè)因素：Thoughput吞吐量，Latency響應(yīng)時(shí)間，資源利用(CPU/MEM/IO/Bandwidth…)，成功率，系統(tǒng)穩(wěn)定性。

下面的這些性能測(cè)試的方式基本上來(lái)源自我的老老東家湯森路透，一家做real-time的金融數(shù)據(jù)系統(tǒng)的公司。

一，你得定義一個(gè)系統(tǒng)的響應(yīng)時(shí)間latency，建議是TP99，以及成功率。比如路透的定義：99.9%的響應(yīng)時(shí)間必需在1ms之內(nèi)，平均響應(yīng)時(shí)間在1ms以?xún)?nèi)，100%的請(qǐng)求成功。

二，在這個(gè)響應(yīng)時(shí)間的限制下，找到最高的吞吐量。測(cè)試用的數(shù)據(jù)，需要有大中小各種尺寸的數(shù)據(jù)，并可以混合。最好使用生產(chǎn)線(xiàn)上的測(cè)試數(shù)據(jù)。

三，在這個(gè)吞吐量做Soak Test，比如：使用第二步測(cè)試得到的吞吐量連續(xù)7天的不間斷的壓測(cè)系統(tǒng)。然后收集CPU，內(nèi)存，硬盤(pán)/網(wǎng)絡(luò)IO，等指標(biāo)，查看系統(tǒng)是否穩(wěn)定，比如，CPU是平穩(wěn)的，內(nèi)存使用也是平穩(wěn)的。那么，這個(gè)值就是系統(tǒng)的性能

四，找到系統(tǒng)的極限值。比如：在成功率100%的情況下(不考慮響應(yīng)時(shí)間的長(zhǎng)短)，系統(tǒng)能堅(jiān)持10分鐘的吞吐量。

五，做Burst Test。用第二步得到的吞吐量執(zhí)行5分鐘，然后在第四步得到的極限值執(zhí)行1分鐘，再回到第二步的吞吐量執(zhí)行5鐘，再到第四步的權(quán)限值執(zhí)行1分鐘，如此往復(fù)個(gè)一段時(shí)間，比如2天。收集系統(tǒng)數(shù)據(jù)：CPU、內(nèi)存、硬盤(pán)/網(wǎng)絡(luò)IO等，觀(guān)察他們的曲線(xiàn)，以及相應(yīng)的響應(yīng)時(shí)間，確保系統(tǒng)是穩(wěn)定的。

(注：在路透，路透會(huì)用第二步得到的吞吐量乘以66.7%來(lái)做為系統(tǒng)的軟報(bào)警線(xiàn)，80%做為系統(tǒng)的硬報(bào)警線(xiàn)，而極限值僅僅用來(lái)扛突發(fā)的peak)

是不是很煩鎖?是的，只因?yàn)?，這是工程，工程是一門(mén)科學(xué)，科學(xué)是嚴(yán)謹(jǐn)?shù)摹?/p>

歡迎大家也分享一下你們性能測(cè)試的經(jīng)驗(yàn)和方法。