---

前言

一般我们在刚介入一个项目时，我认为可以从如下几个方面来快速的上手压测工作。

熟悉业务特性

无论是做什么类型的测试工作，都脱离不了业务。
我们的被测对象，也是基于系统架构的用代码实现的高度具象的业务系统。

如果是专职做性能测试，或者刚介入一个全新的系统进行压测，想要短时间内了解业务细节是几乎不可能的。

但为了更好的快速开展工作，我个人的经验是快速熟悉业务特性，结合自己的经验对系统有个大致的了解。

什么是业务特性呢？可以参照下面几个例子：

电商下单业务：典型的先读后写类型，要考虑库存、事务的一致性，还有响应时间的范围；
大数据&报表业务：典型的读场景，可能会涉及到缓存或者消息队列，甚至是批处理；
金融风控信审业务：这种业务对响应时间没有太高的要求，但业务链路较长，不同系统间的交互要考虑；
语音识别搜索业务：涉及到语音文字的识别转换、准确率和命中率，计算密集型业务要更关注内存资源；

上述几个例子只是参考，其实最核心的思路在于：了解业务有什么特点，对响应时间、事务一致性的要求，可能的技术实现方式是什么，用到了什么技术组件，压测时要关注哪些指标。

熟悉系统架构

聊完业务特性后，被测系统的系统架构是一定要了解的。

因为我们的工作对象是具体的系统，而且压测要关注技术指标，关注请求处理的过程以及耗时等情况。

一般来说要了解被测系统的系统架构，可以通过如下几种方式：

系统架构图&网络拓扑图；
模拟几个请求，借助链路追踪工具来绘制请求链路；
如果都没有，通过监控观察请求的变化，挨个摸底；
看业务需求的prd，了解业务之间的关系，然后映射到具体的服务和接口；

在具体工作中要灵活变通，而且这种对系统架构摸底和请求链路的了解过程，也是个人快速学习和成长的过程。

团队工作方式

团队工作方式，不仅限于性能测试团队或者测试团队，而是从需求到发布整个软件研发过程各个团队是如何协同配合的。

刚进入一个新的团队或者介入一个新项目时，可以从下面几个方面去熟悉。

主要包括：
流程：包含需求评审、提测、UAT、灰度和生产发布等主要流程以及时间节点；
环境：开发环境、测试环境、UAT环境以及生产环境，主要涉及域名、权限、负责人等；
基础工具：配置中心、注册中心、需求&缺陷管理平台、CICD流水线工具、监控分析工具等；
测试工具：包含压测工具、抓包工具、造数工具、mock工具、文档管理工具、协作办公沟通工具等；
测试方法：之前怎么做压测？对指标有没有标准或定义？测试方案测试报告的撰写要求等；
协作人员：不同业务域或者业务系统的研发/运维/DBA是谁，跨团队的沟通协作方式等；

测试环境

以日常的压测场景展开来说，正常压测都是在测试环境展开的。
那么是选择功能测试环境，还是独立的性能测试环境呢？

功能测试环境通常具备这几个特点：
发布频繁；
功能&服务不稳定；
测试场景较多且交叉影响较大；
而性能测试一次压测运行的时间相对较长（短则10min长则12小时甚至几天），且为了获得误差较小的压测结果，性能测试对服务的稳定性要求较高。

因此我建议如果有条件，还是搭建一套独立的性能测试环境更好。

搭建独立的性能测试环境要注意如下几点：
独立的域名或请求入口；
应用服务器配置和生产保持一致；
应用服务数量可以最小化（生产是集群，测试环境1台服务器部署1个服务）；
边缘服务&弱依赖服务&高性能服务（全读缓存，rt几毫秒）可以考虑1台服务器部署多个应用服务或者mock解决；
缓存、消息队列、数据库配置按比例降低（比如一个mysql实例，4C8G/8C16G足以满足日常压测需要）；

服务的发布版本要注意如下亮点：
本次测试范围内的服务，发布对应的分支；
本次测试范围外的服务，和生产版本保持一致；

测试数据

从某种程度上来说，测试数据也可以归纳到测试环境这个大的范畴中。

压测所涉及的数据，主要分为如下几种类型：

1、铺底数据
铺地数据可以理解为冷数据，因为正常的线上业务，数据库的表中一般是要存在一定的铺底数据的，如电商的库存数据，用户基础数据如电话号码、收货地址等。

在独立的性能测试环境中，也需要准备对应的铺底数据，因为SQL执行过程中，空表和大表对性能的影响还是很大的。

准备铺底数据，最常见的有如下2种方式：

从生产环境同步（需要进行敏感数据脱敏处理）；
调用业务接口，用脚本批量生成写入（无需脱敏，符合业务逻辑即可）；

2、热点数据
什么是热点数据？
比如用户的登录态信息(token)、比如优惠券、比如商品图片(常存储于CDN)。

我见过很多同学在压测时先压测登录接口，然后将登录后的token拿出来再传递给下一个请求，完全没必要这么麻烦。

可以先准备一批虚拟的测试账号，跑批登录，然后将token预热到缓存中，过期时间设置的比较长即可。

在后续的测试工作中，只需要在请求头中将token和userid按照对应顺序参数化到请求中即可。

压测的场景要符合实际的业务场景，但要考虑到效率和实现成本。

其他热点数据的准备也可以参照上述的方式，提前生成，然后预热到缓存（也有本地缓存或jar包方式）。

3、参数化数据
参数化数据指的是压测过程中脚本中需要引用到的数据。以电商业务来说，常见的有用户id、商品数据、库存数据、订单数据等。

准备参数化数据，最常见的有如下3种方式：

业务逻辑上强验证的，通过脚本跑批提前生成，再从数据库中拿出来使用；
简单的自增逻辑(如订单编号)，可以通过压测工具提供的插件自增生成或写代码实现；
只校验字符串位数或不为空的场景，用随机数或uuid生成即可；

做完了上述的几点数据准备工作，最后要做的就是对数据可用性进行验证，看看它是否如预期满足压测需要。

下面是我整理的2023年最全的软件测试工程师学习知识架构体系图

一、Python编程入门到精通

二、接口自动化项目实战

三、Web自动化项目实战

四、App自动化项目实战

五、一线大厂简历

六、测试开发DevOps体系

七、常用自动化测试工具

八、JMeter性能测试

九、总结（尾部小惊喜）

只要肯拼搏，天道酬勤。挫折和失败只是暂时的，不放弃才有机会成功。迎难而上，超越极限，拥抱未来，成就辉煌人生。

每一次努力都值得尊重，每一次坚持都值得赞扬。不要怕困难，不要怕失败，只要保持坚定的信念和毅力，成功就在不远处等待着你。

每个人都有无限的潜能，只是需要不断挑战自己才能发掘出来。不要因为失败而停下脚步，让每一次跌倒都成为你前进的动力，最终迎接成功的喜悦。