Loadrunner_没有告诉你的

### LoadRunner 中未完全揭示的关键知识点：性能测试深入解析 #### 一、理解90% 用户响应时间及其重要性 **90% 用户响应时间**是性能测试领域中一个非常重要的概念，它指的是在所有用户的请求中，有90% 的用户能够得到响应的时间阈值。这一指标对于评估系统的性能具有重要意义，尤其是在处理大量用户请求的场景中。 - **意义与作用**：在评估系统的性能时，仅仅依赖平均事务响应时间往往是不够的，因为平均值可能会被极值拉偏，导致无法准确反映大多数用户的实际体验。因此，90% 用户响应时间可以更好地反映出绝大多数用户的实际响应情况。 - **应用场景**：比如，当需要评估系统在高并发下的性能表现时，90% 用户响应时间可以用来确保绝大多数用户的体验都在可接受范围内。 #### 二、描述性统计在性能测试中的应用 **描述性统计**是一种用于总结和描述数据的方法，它可以提供关于数据分布的信息，从而帮助我们更好地理解和分析性能测试结果。 - **关键指标**： - **平均事务响应时间**：所有成功请求响应时间的平均值。 - **标准差**：衡量数据分散程度的一个指标，标准差越大，数据波动越大。 - **最小响应时间**：所有成功请求中最短的响应时间。 - **50th/60th/70th/80th/90th/95th 百分位**：将响应时间从小到大排序后，达到某个百分位的响应时间。例如90th百分位意味着90% 的请求响应时间小于等于该值。 - **最大响应时间**：所有成功请求中最长的响应时间。 **案例分析**： 假设有两个测试场景，每个场景中有5次请求，其响应时间分别为： 1. 场景A：{1s, 3s, 5s, 10s, 16s} 2. 场景B：{5s, 6s, 7s, 8s, 9s} 尽管两个场景的平均响应时间均为7秒，但直观上我们可以看出场景B的用户体验更佳，因为所有请求的响应时间都较为接近，而场景A存在较大的波动。这表明，平均值不足以全面反映系统的性能。 #### 三、深入分析方法 1. **90% 用户响应时间的设定**：在LoadRunner中，可以根据需要调整90% 用户响应时间至80% 或95%，以适应不同的性能评估需求。 2. **数据导出与分析**：可以将LoadRunner中的原始数据导出到Excel等工具中，使用Excel的`PERCENTILE` 函数计算不同百分位的响应时间分布情况。 3. **曲线绘制**：进一步地，可以在Excel中绘制响应时间分布曲线，以便更直观地观察系统响应时间的变化趋势。 4. **测试时间长度**：为了获得更准确的数据分布情况，建议让测试场景运行更长时间，这样可以获得更多的测试数据。 5. **性能需求定义**：在定义性能需求时，可以同时考虑平均事务响应时间和90% 用户响应时间，两者并不冲突，可以根据实际情况灵活选择。 #### 四、跨工具适用性与扩展知识 - **工具无关性**：无论使用的是LoadRunner、JMeter 还是 OpenSTA 等工具，都可以采用类似的描述性统计方法来评估系统的性能。 - **综合学科知识**：性能测试不仅仅依赖于特定的测试工具，还需要结合数学、统计学等相关领域的知识，才能更深入地挖掘和理解测试数据背后的意义。 #### 结论 90% 用户响应时间是性能测试中一个至关重要的指标，它能够帮助我们更全面地评估系统的性能表现。同时，通过运用描述性统计方法，我们可以更有效地分析性能测试结果，进而为优化系统性能提供有力的支持。此外，值得注意的是，性能测试是一个综合性较强的领域，需要综合运用多种工具和技术，以及跨学科的知识，才能实现更深层次的理解和优化。