软件性能的主要术语

用户数

有时会看到下面这样的描述：一个系统注册用户达到6000万人，其中每小时的活跃用户大概在60万人左右。这段描述介绍了两个信息，第一个信息：6000万人指的是注册用户，第二个信息：60万人指的是真实在线用户。

注册用户数（系统用户数）

注册用户是存在于系统数据库表中的基础数据。这部分用户是指系统所拥有的所有用户群体。这些用户是不会全部对系统造成压力的，唯一的压力就是这些用户占用了系统的存储，影响了数据库的容量。

在线用户

在线用户是真实产生压力的用户，这些用户是压力的根源，也就是系统要能够支持这么多人同时在线业务。
同时在线用户数：在一定的时间范围内，最大的同时在线用户数量
同时在线用户数=每秒请求数RPS（吞吐量）+并发连接数+平均用户思考时间

并发用户

在线用户是真实的用户，但不是所有的在线用户都会在系统上操作，可能有些用户在浏览网页、有些用户在做业务、有些用户只是开着浏览器。这时在线用户对系统产生压力的用户只有一部分，而这部分用户就是在线用户中的有效并发用户。
平均并发用户数的计算：C=nL / T
其中C是平均的并发用户数，n是平均每天访问用户数（login session），L是一天内用户从登录到退出的平均时间（login session的平均时间），T是考察时间长度（一天内多长时间有用户使用系统）
并发用户数峰值计算：C^约等于C + 3*根号C
其中C^是并发用户峰值，C是平均并发用户数，该公式遵循泊松分布理论
对绝大多数场景，我们用（用户总量/统计时间）*影响因子（一般为3）来进行估算并发量

虚拟用户

虚拟用户即Virtual User，简称Vuser，是性能测试工具产生的用户，用来模拟真实用户进行的一系列业务逻辑操作。

事务（TPS）

事务：事务指的是业务逻辑上的事务，例：注册用户是一个事务，只用胡提交注册发生时到注册成功返回页面时的事务，它包括多个页面或者JS等组件的交互。
TPS：每秒钟事务数量。
事务并发数：系统同时处理的事务数
响应时间：一般的相应时间都是指事务从开始到结束时间;取平均响应时间
理解了上面三个要素的意义之后，就能推算出它们之间的关系：

TPS = 事务并发数/平均响应时间
事务并发数 = TPS*平均响应时间

无论有无思考时间（TS），测试所得的TPS值和并发虚拟用户数(Vu)、交易响应时间（T）之间有以下关系（稳定运行情况下）：
TPS=Vu / (T+TS)

响应时间

对请求作出响应所需要的时间

网络传输时间：N1(发送请求)+N2(内部处理请求)+N3(返回结果)+N4(展示结果)
应用服务器处理时间：A1(处理请求)+A3(返回结果)
数据库服务器处理时间：A2(操作数据库时间)
响应时间=N1+N2+N3+N4+A1+A3+A2

在性能测试结果分析中，分为事务最小响应时间、事务平均响应时间、事务最大响应时间和90%事务响应时间。一般时间的标准时间为90%响应时间，即测试过程中90%的业务用了多长时间。

QPS

在性能测试中有时可以将TPS、QPS认为是一样的。

QPS：每秒钟request数量（每秒查询率），是对一个查询服务器在规定时间内所处理流量多少的衡量标准
请求并发数：系统同时处理的request数
响应时间：一般取平均响应时间
理解了上面三个要素的意义之后，就能推算出它们之间的关系：

QPS = 请求并发数/平均响应时间
请求并发数 = QPS*平均响应时间

一个典型的上班签到系统，早上8点上班，7点半到8点的30分钟的时间里用户会登录签到系统进行签到。公司员工为1000人，平均每个员上登录签到系统的时长为5分钟。
可以用下面的方法计算。

QPS = 1000/(30*60) 事务/秒

平均响应时间为 = 5*60 秒

并发数= QPS平均响应时间 = 1000/(3060) (560)=166.7

PV（Page View）

PV即Page View，意思是页面浏览量或单机率，通常是用来衡量一个网站的主要指标。
一个PV狭义上讲等于一个TPS，可以将页面元素从性能测试结果中分析出来，所以也可以将PV和TPS整合;但是广义上来说，一个页面有很多的图片、链接和CSS等，而这里的每一个图片、链接都是PV

思考时间

Think Time，从业务角度来看，这个时间指用户进行操作时每个请求之间的时间间隔，而在做新能测试时，为了模拟这样的时间间隔，引入了思考时间这个概念，来更加真实的模拟用户的操作。

在吞吐量这个公式中F=Vu * R / T说明吞吐量F是Vu数量、每个用户发出的请求数R和时间T的函数，而其中的R又可以用时间T和用户思考时间TS来计算：R = T / TS
下面给出一个计算思考时间的一般步骤：

A、首先计算出系统的并发用户数
C=nL / T F=R×C

B、统计出系统平均的吞吐量
F=VU * R / T R×C = VU * R / T

C、统计出平均每个用户发出的请求数量
R=u*C*T/VU

D、根据公式计算出思考时间
TS=T/R

吞吐量（一般指字节）

吞吐量是一次性能测试过程中网络上传输的数据量的总和，也可以这样说在单次业务中，客户端与服务器端进行的数据交互总量；

对于交互式应用来说，吞吐量指标反映的是服务器承受的压力，他能够说明系统的负载能力
一个系统吞吐量通常由QPS（TPS）、并发数两个因素决定，每套系统这两个值都有一个相对极限值，在应用场景访问压力下，只要某一项达到系统最高值，系统的吞吐量就上不去了，如果压力继续增大，系统的吞吐量反而会下降，原因是系统超负荷工作，上下文切换、内存等等其它消耗导致系统性能下降。

吞吐率（一般指字节）

吞吐率作为一个重要的衡量指标，最主要应用在并行处理上，属于系统结构中最重要的一个变量，它的定义是：单位时间的吞吐量。

吞吐率在性能测试中指单位时间内在网络上传输的数据量。是衡量网络性能的主要指标。
从网络角度看，吞吐率可以用：字节/秒来衡量
从业务角度看，吞吐率可以用：请求数/秒、页面数/秒、人数/天或处理业务数/小时等单位来衡量
以不同方式表达的吞吐率可以说明不同层次的问题。例如，

以字节数/秒方式可以表示数要受网络基础设施、服务器架构、应用服务器制约等方面的瓶颈；

已请求数/秒的方式表示主要是受应用服务器和应用代码的制约体现出的瓶颈。

（请求数）当没有遇到性能瓶颈的时候，吞吐量与虚拟用户数之间存在一定的联系，可以采用以下公式计算：F=Vu * R /T

其中F为吞吐率，Vu表示虚拟用户个数，R表示每个虚拟用户发出的请求数，T表示性能测试所用的时间

性能计数器

是描述服务器或操作系统性能的一些数据指标，如使用内存数、进程时间，在性能测试中发挥着“监控和分析”的作用，尤其是在分析统统可扩展性、进行新能瓶颈定位时有着非常关键的作用。

资源利用率：指系统各种资源的使用情况，如cpu占用率为68%，内存占用率为55%，一般使用“资源实际使用/总的资源可用量”形成资源利用率。

软件性能非主要术语

集合点

插入集合点是为了衡量加重负载情况下的性能情况。
在计划中，可能会要求系统承受1000人同时提交数据，在提交数据操作前加入集合点，当虚拟用户运行到提交数据的集合点时，会自动检查同时有多少用户运行到集合点，当达到指定用户数时，将命令指定用户数同时提交数据，从而达到同时提交的要求。
集合点是相对的，因为没有绝对的并发，集合点只是尽可能的在同一时间发送请求，但是服务器是没办法在同一秒接受并处理请求的。