對于企業應用程序，有許多進行javascript:;" onClick="javascript:tagshow(event, '%D0%D4%C4%DC%B2%E2%CA%D4');" target="_self">性能測試的方法，其中一些方法實行起來要比其他方法困難。所要進行的性能測試的類型取決于想要達到的結果。例如，對于可再現性，基準測試是最好的方法。而要從當前用戶負載的角度測試系統的上限，則應該使用容量規劃測試。本文將介紹幾種設置和運行性能測試的方法，并討論這些方法的區別。

簡介

　　如果不進行合理的規劃，對J2EE應用程序進行性能測試將會是一項令人望而生畏且有些混亂的任務。因為對于任何的軟件開發流程，都必須收集需求、理解業務需要，并在進行實際測試之前設計出正式的進度表。性能測試的需求由業務需要驅動，并由一組用例闡明。這些用例可以基于歷史數據（例如，服務器一周的負載模式）或預測的近似值。弄清楚需要測試的內容之后，就需要知道如何進行測試了。

　　在開發階段前期，應該使用基準測試來確定應用程序中是否出現性能倒退?；鶞蕼y試可以在一個相對短的時間內收集可重復的結果。進行基準測試的最好方法是，每次測試改變一個且只改變一個參數。例如，如果想知道增加JVM內存是否會影響應用程序的性能，就逐次遞增JVM內存（例如，從1024 MB增至1224 MB，然后是1524 MB，最后是2024 MB），在每個階段收集結果和環境數據，記錄信息，然后轉到下一階段。這樣在分析測試結果時就有跡可循。下一小節我將介紹什么是基準測試，以及運行基準測試的最佳參數。

　　開發階段后期，在應用程序中的bug已經被解決，應用程序達到一種穩定狀態之后，可以運行更為復雜的測試，確定系統在不同的負載模式下的表現。這些測試被稱為容量規劃測試、滲入測試(soak test)、峰谷測試(peak-rest test)，它們旨在通過測試應用程序的可靠性、健壯性和可伸縮性來測試接近于現實世界的場景。對于下面的描述應該從抽象的意義上理解，因為每個應用程序的使用模式都是不同的。例如，容量規劃測試通常都使用較緩慢的ramp-up（下文有定義），但是如果應用程序在一天之中的某個時段中有快速突發的流量，那么自然應該修改測試以反映這種情況。但是，要記住，因為更改了測試參數（比如ramp-up周期或用戶的考慮時間(think-time)），測試的結果肯定也會改變。一個不錯的方法是，運行一系列的基準測試，確立一個已知的可控環境，然后再對變化進行比較。

基準測試

　　基準測試的關鍵是要獲得一致的、可再現的結果?？稍佻F的結果有兩個好處：減少重新運行測試的次數；對測試的產品和產生的數字更為確信。使用的性能測試工具可能會對測試結果產生很大影響。假定測試的兩個指標是服務器的響應時間和吞吐量，它們會受到服務器上的負載的影響。服務器上的負載受兩個因素影響：同時與服務器通信的連接（或虛擬用戶）的數目，以及每個虛擬用戶請求之間的考慮時間的長短。很明顯，與服務器通信的用戶越多，負載就越大。同樣，請求之間的考慮時間越短，負載也越大。這兩個因素的不同組合會產生不同的服務器負載等級。記住，隨著服務器上負載的增加，吞吐量會不斷攀升，直到到達一個點。

圖1.隨著負載的增加，系統吞吐量的曲線（單位：頁面/秒）

　　注意，吞吐量以穩定的速度增長，然后在某一個點上穩定下來。

　　在某一點上，執行隊列開始增長，因為服務器上所有的線程都已投入使用，傳入的請求不再被立即處理，而是放入隊列中，當線程空閑時再處理。

圖2. 隨著負載的增加，系統執行隊列長度的曲線

　　注意，最初的一段時間，執行隊列的長度為零，然后就開始以穩定的速度增長。這是因為系統中的負載在穩定增長，雖然最初系統有足夠的空閑線程去處理增加的負載，最終它還是不能承受，而必須將其排入隊列。

　　當系統達到飽和點，服務器吞吐量保持穩定后，就達到了給定條件下的系統上限。但是，隨著服務器負載的繼續增長，系統的響應時間也隨之延長，雖然吞吐量保持穩定。

圖3. 隨著負載的增加，系統中兩個事務的響應時間曲線

　　注意，在執行隊列（圖2）開始增長的同時，響應時間也開始以遞增的速度增長。這是因為請求不能被及時處理。

　　為了獲得真正可再現的結果，應該將系統置于相同的高負載下。為此，與服務器通信的虛擬用戶應該將請求之間的考慮時間設為零。這樣服務器會立即超載，并開始構建執行隊列。如果請求（虛擬用戶）數保持一致，基準測試的結果應該會非常精確，完全可以再現。

　　您可能要問的一個問題是：“如何度量結果？”對于一次給定的測試，應該取響應時間和吞吐量的平均值。精確地獲得這些值的唯一方法是一次加載所有的用戶，然后在預定的時間段內持續運行。這稱為“flat”測試。

圖4. flat測試的情況（所有的用戶都是同時加載的）

　　與此相對應的是“ramp-up”測試。

圖5. ramp-up測試的情況（在測試期間，用戶以穩定速度（每秒x個）增加）

　　ramp-up測試中的用戶是交錯上升的（每幾秒增加一些新用戶）。ramp-up測試不能產生精確和可重現的平均值，這是因為由于用戶的增加是每次一部分，系統的負載在不斷地變化。因此，flat運行是獲得基準測試數據的理想模式。

　　這不是在貶低ramp-up測試的價值。實際上，ramp-up測試對找出以后要運行的flat測試的范圍非常有用。ramp-up測試的優點是，可以看出隨著系統負載的改變，測量值是如何改變的。然后可以據此選擇以后要運行的flat測試的范圍。

　　Flat測試的問題是系統會遇到“波動”效果。

圖6. 一次flat測試中所測得的系統吞吐量的曲線（單位：頁面/秒）

　　注意波動的出現，吞吐量不再是平滑的。

　　這在系統的各個方面都有所體現，包括CPU的使用量。

圖7. 一次flat測試中所測得的系統CPU使用量隨時間變化的曲線

　　注意，每隔一段時間就會出現一個波形。CPU使用量不再是平滑的，而是有了像吞吐量圖那樣的尖峰。

　　此外，執行隊列也承受著不穩定的負載，因此可以看到，隨著系統負載的增加和減少，執行隊列也在增長和縮減。

圖8. 一次flat測試中所測得的系統執行隊列的曲線

　　注意，每隔一段時間就會出現一個波形。執行隊列曲線與上面的CPU使用量圖非常相似。

　　最后，系統中事務的響應時間也遵循著這個波動模式。

圖9. 一次flat測試中所測得的系統事務的響應時間

　　注意，每隔一段時間就會出現一個波形。事務的響應時間也與上面的圖類似，只不過其效果隨著時間的推移逐漸減弱。

　　當測試中所有的用戶都同時執行幾乎相同的操作時，就會發生這種現象。這將會產生非常不可靠和不精確的結果，所以必須采取一些措施防止這種情況的出現。有兩種方法可以從這種類型的結果中獲得精確的測量值。如果測試可以運行相當長的時間（有時是幾個小時，取決于用戶的操作持續的時間），最后由于隨機事件的本性使然，服務器的吞吐量會被“拉平”?；蛘?，可以只選取波形中兩個平息點之間的測量值。該方法的缺點是可以捕獲數據的時間非常短。

性能規劃測試

　　對于性能規劃類型的測試來說，其目標是找出，在特定的環境下，給定應用程序的性能可以達到何種程度。此時可重現性就不如在基準測試中那么重要了，因為測試中通常都會有隨機因子。引入隨機因子的目的是為了盡量模擬具有真實用戶負載的現實世界應用程序。通常，具體的目標是找出系統在特定的服務器響應時間下支持的當前用戶的最大數。例如，您可能想知道：如果要以5秒或更少的響應時間支持8,000個當前用戶，需要多少個服務器？要回答這個問題，需要知道系統的更多信息。

　　要確定系統的容量，需要考慮幾個因素。通常，服務器的用戶總數非常大（以十萬計），但是實際上，這個數字并不能說明什么。真正需要知道的是，這些用戶中有多少是并發與服務器通信的。其次要知道的是，每個用戶的“考慮時間”即請求間時間是多少。這非常重要，因為考慮時間越短，系統所能支持的并發用戶越少。例如，如果用戶的考慮時間是1秒，那么系統可能只能支持數百個這樣的并發用戶。但是，如果用戶的考慮時間是30秒，那么系統則可能支持數萬個這樣的并發用戶（假定硬件和應用程序都是相同的）。在現實世界中，通常難以確定用戶的確切考慮時間。還要注意，在現實世界中，用戶不會精確地按照間隔時間發出請求。

　　于是就引入了隨機性。如果知道普通用戶的考慮時間是5秒，誤差為20%，那么在設計負載測試時，就要確保請求間的時間為5×（1 +/- 20%）秒。此外，可以利用“調步”的理念向負載場景中引入更多的隨機性。它是這樣的：在一個虛擬用戶完成一整套的請求后，該用戶暫停一個設定的時間段，或者一個小的隨機時間段（例如，2×（1 +/- 25%）秒），然后再繼續執行下一套請求。將這兩種隨機化方法運用到測試中，可以提供更接近于現實世界的場景。

　　現在該進行實際的容量規劃測試了。接下來的問題是：如何加載用戶以模擬負載狀態？最好的方法是模擬高峰時間用戶與服務器通信的狀況。這種用戶負載狀態是在一段時間內逐步達到的嗎？如果是，應該使用ramp-up類型的測試，每隔幾秒增加x個用戶?；蛘?，所有用戶是在一個非常短的時間內同時與系統通信？如果是這樣，就應該使用flat類型的測試，將所有的用戶同時加載到服務器。兩種不同類型的測試會產生沒有可比性的不同測試。例如，如果進行ramp-up類型的測試，系統可以以4秒或更短的響應時間支持5,000個用戶。而執行flat測試，您會發現，對于5,000個用戶，系統的平均響應時間要大于4秒。這是由于ramp-up測試固有的不準確性使其不能顯示系統可以支持的并發用戶的精確數字。以門戶應用程序為例，隨著門戶規模的擴大和集群規模的擴大，這種不確定性就會隨之顯現。

　　這不是說不應該使用ramp-up測試。對于系統負載在一段比較長的時間內緩慢增加的情況，ramp-up測試效果還是不錯的。這是因為系統能夠隨著時間不斷調整。如果使用快速ramp-up測試，系統就會滯后，從而報告一個較相同用戶負載的flat測試低的響應時間。那么，什么是確定容量的最好方法？結合兩種負載類型的優點，并運行一系列的測試，就會產生最好的結果。例如，首先使用ramp-up測試確定系統可以支持的用戶范圍。確定了范圍之后，以該范圍內不同的并發用戶負載進行一系列的flat測試，更精確地確定系統的容量。

滲入測試

　　滲入測試是一種比較簡單的性能測試。滲入測試所需時間較長，它使用固定數目的并發用戶測試系統的總體健壯性。這些測試將會通過內存泄漏、增加的垃圾收集(GC)或系統的其他問題，顯示因長時間運行而出現的任何性能降低。測試運行的時間越久，您對系統就越了解。運行兩次測試是一個好主意——一次使用較低的用戶負載（要在系統容量之下，以便不會出現執行隊列），一次使用較高的負載（以便出現積極的執行隊列）。

　　測試應該運行幾天的時間，以便真正了解應用程序的長期健康狀況。要確保測試的應用程序盡可能接近現實世界的情況，用戶場景也要逼真（虛擬用戶通過應用程序導航的方式要與現實世界一致），從而測試應用程序的全部特性。確保運行了所有必需的監控工具，以便精確地監測并跟蹤問題。

峰谷測試

　　峰谷測試兼有容量規劃ramp-up類型測試和滲入測試的特征。其目標是確定從高負載（例如系統高峰時間的負載）恢復、轉為幾乎空閑、然后再攀升到高負載、再降低的能力。

　　實現這種測試的最好方法就是，進行一系列的快速ramp-up測試，繼之以一段時間的平穩狀態（取決于業務需求），然后急劇降低負載，此時可以令系統平息一下，然后再進行快速的ramp-up；反復重復這個過程。這樣可以確定以下事項：第二次高峰是否重現第一次的峰值？其后的每次高峰是等于還是大于第一次的峰值？在測試過程中，系統是否顯示了內存或GC性能降低的有關跡象？測試運行（不停地重復“峰值/空閑”周期）的時間越長，您對系統的長期健康狀況就越了解。

結束語

　　本文介紹了進行性能測試的幾種方法。取決于業務需求、開發周期和應用程序的生命周期，對于特定的企業，某些測試會比其他的更適合。但是，對于任何情況，在決定進行某一種測試前，都應該問自己一些基本問題。這些問題的答案將會決定哪種測試方法是最好的。

　　這些問題包括：

• 結果的可重復性需要有多高？
• 測試需要運行和重新運行幾次？
• 您處于開放周期的哪個階段？
• 您的業務需求是什么？
• 您的用戶需求是什么？
• 您希望生產中的系統在維護停機時間中可以持續多久？
• 在一個正常的業務日，預期的用戶負載是多少？

　　將這些問題的答案與上述性能測試類型相對照，應該就可以制定出測試應用程序的總體性能的完美計劃。

參考資料

• WebLogic Server Performance and Tuning——WebLogic Server產品文檔
• WebLogic Server performance tools and information——WebLogic Server產品文檔
• The Grinder: Load Testing for Everyone（dev2dev，2002年11月），作者Philip Aston
• Performance Tuning Guide——WebLogic Portal產品文檔
• dev2dev WebLogic Server Product Center