性能分析与调优详解

news2026/3/25 23:25:58
点击文末小卡片免费获取软件测试全套资料资料在手涨薪更快常看到性能测试书中说性能测试不单单是性能测试工程师一个人的事儿。需要DBA 、开发人员、运维人员的配合完成。但是在不少情况下性能测试是由性能测试人员独立完成的退一步就算由其它人员的协助了解系统架构的的各个模块对于自身的提高也有很大帮助同进也更能得到别人的尊重。性能分析与调优如何下手先从硬件开始还是先从代码或数据库。从操作系统CPU调度内存管理进程调度磁盘I/O、网络、协议HTTP TCP/IP 还是从应用程序代码数据库调优中间件配置等方面入手。单一个中间件又分web中间件apache 、IIS应用中间件tomcat 、weblogic 、webSphere 等虽然都是中间件每一样拎出来往深了学都不是一朝一夕之功。但调优对于每一项的要求又不仅仅是“知道”或“会使用”这么简单。起码要达到“如何更好的使用”。再说性能调优之前我们有必要再提一下进行测试的目的或者我们进行性能测试的初衷是什么能力验证验证某系统在一定条件具有什么样的能力。能力规划如何使系统达到我们要求的性能能力。应用程序诊断比如内存泄漏通过功能测试很难发现但通过性能测试却很容易发现。性能调优满足用户需求进一步进行系统分析找出瓶颈优化瓶颈提高系统整体性能。 一般系统的瓶颈 性能测试调优需要先发现瓶颈那么系统一般会存在哪些瓶颈硬件上的性能瓶颈 一般指的是CPU、内存、磁盘I/O 方面的问题分为服务器硬件瓶颈、网络瓶颈对局域网可以不考虑、服务器操作系统瓶颈参数配置、中间件瓶颈参数配置、数据库、web服务器等、应用瓶颈SQL 语句、数据库设计、业务逻辑、算法等。应用软件上的性能瓶颈 一般指的是应用服务器、web 服务器等应用软件还包括数据库系统。例如中间件weblogic 平台上配置的JDBC连接池的参数设置不合理造成的瓶颈。应用程序上的性能瓶颈 一般指的是开发人员新开发出来的应用程序。例如程序架构规划不合理程序本身设计有问题串行处理、请求的处理线程不够造成系统在大量用户方位时性能低下而造成的瓶颈。操作系统上的性能瓶颈 一般指的是windows、UNIX、Linux等操作系统。例如在进行性能测试出现物理内存不足时虚拟内存设置也不合理虚拟内存的交换效率就会大大降低从而导致行为的响应时间大大增加这时认为操作系统上出现性能瓶颈。网络设备上的性能瓶颈 一般指的是防火墙、动态负载均衡器、交换机等设备。例如在动态负载均衡器上设置了动态分发负载的机制当发现某个应用服务器上的硬件资源已经到达极限时动态负载均衡器将后续的交易请求发送到其他负载较轻的应用服务器上。在测试时发现动态负载均衡器没有起到相应的作用这时可以认为网络瓶颈。性能测试出现的原因及其定位十分复杂这里只是简单介绍常见的几种瓶颈类型和特征而性能测试所需要做的就是根据各种情况因素综合考虑然后协助开发人员\DBA\运维人员一起定位性能瓶颈。一般性能调优步骤一般性能问题调优的步骤步骤一确定问题 应用程序代码在通常情况下很多程序的性能问题都是写出来的因此对于发现瓶颈的模块应该首先检查一下代码。 数据库配置经常引起整个系统运行缓慢一些诸如oracle 的大型数据库都是需要DBA进行正确的参数调整才能投产的。 操作系统配置不合理就可能引起系统瓶颈。 硬件设置硬盘速度、内存大小等都是容易引起瓶颈的原因因此这些都是分析的重点。 网络网络负载过重导致网络冲突和网络延迟。步骤二确定问题当确定了问题之后我们要明确这个问题影响的是响应时间吞吐量还是其他问题是多数用户还是少数用户遇到了问题如果是少数用户这几个用户与其它用户的操作有什么不用系统资源监控的结果是否正常CPU的使用是否到达极限I/O 情况如何问题是否集中在某一类模块中 是客户端还是服务器出现问题 系统硬件配置是否够用实际负载是否超过了系统的负载能力 是否未对系统进行优化 通过这些分析及一些与系统相关的问题可以对系统瓶颈有更深入的了解进而分析出真正的原因。步骤三 确定调整目标和解决方案 得高系统吞吐理缩短响应时间更好地支持并发。步骤四测试解决方案 对通过解决方案调优后的系统进行基准测试。基准测试是指通过设计科学的测试方法、测试工具和测试系统实现对一类测试对象的某项性能指标进行定量的和可对比的测试步骤五分析调优结果 系统调优是否达到或者超出了预定目标系统是整体性能得到了改善还是以系统某部分性能来解决其他问题。调优是否可以结束了。最后如果达到了预期目标调优工作就基本可以结束了。 下面算是一个技巧如面试官问到一个性能问题假设我不知道性能问题出在哪儿时可以按照这个思路回答^_^• 查找瓶颈时按以下顺序由易到难。服务器硬件瓶颈---〉网络瓶颈对局域网可以不考虑---〉服务器操作系统瓶颈参数配置---〉中间件瓶颈参数配置数据库web服务器等---〉应用瓶颈SQL语句、数据库设计、业务逻辑、算法等 注以上过程并不是每个分析中都需要的要根据测试目的和要求来确定分析的深度。对一些要求低的我们分析到应用系统在将来大的负载压力并发用户数、数据量下系统的硬件瓶颈在哪儿就够了。• 分段排除法 很有效 性能测试调优应该注意的要点要点1 在应用系统的设计开发过程中应始终把性能放在考虑的范围内。要点2 确定清晰明确的性能目标是关键。要点3 必须保证调优后的程序运行正确。要点4 系统的性能更大程度上取决于良好的设计调优技巧只是一个辅助手段。要点5 调优过程是迭代渐进的过程每一次调优的结果都要反馈到后续的代码开发中去。要点6 性能调优不能以牺牲代码的可读性和可维护性为代码。本文只介绍了一些性能调优的要关注的东西以及性能调优的一般要点。并没有具体说如何对系统的每个部件进行调优如何要细说也不是一两书能说清的对知识面的要求也非常高是我目前的能力无法触摸的。最后感谢每一个认真阅读我文章的人礼尚往来总是要有的虽然不是什么很值钱的东西如果你用得到的话可以直接拿走这些资料对于做【软件测试】的朋友来说应该是最全面最完整的备战仓库这个仓库也陪伴我走过了最艰难的路程希望也能帮助到你凡事要趁早特别是技术行业一定要提升技术功底。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2449024.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…