---

前言

一般推荐，如果你：

没啥人用的服务 tps 20，返回有300ms就行了；
十万到百万级的服务，响应能达到tps50 /200ms就可以了；
后台服务，能达到tps 20 / 200ms即可（通常后台同时使用也没多少人）；
秒杀类的短时间高并发……TPS100或200 在 100ms内响应 应该也能撑一段时间（具体情况还是要看业务量）

背景：
做项目开发的时候，不止一次被性能测试问“这个服务性能要求是多少？”他期望能得到一个这次接口TPS压到50还是100，返回时间是100ms还是200ms的回答。然后压力测试的脚本就跑起来，挨个接口就去压了。

但作为产品我怎么知道报多少合适呢？（是的，在某些团队这是研发负责人应该考虑的）。通常我们是只知道业务量，怎么转换成tps、返回时间的要求呢？（有时候业务量都估算不出来，那这种场景下你就按最顶部的推荐的来测吧。）

现在，只要10分钟，让你了解怎么计算这些内容。
首先，需要知道不同的产品有不同的应对要求

手机发货的抢购秒杀场景和美团的场景需求不一致，导致产品性能要求就不一致
千万级用户的app和十万级app，同样的性能要求，转换为技术指标上也不一致

继续计算，我们需要了解

什么是TPS？
Transactions Per Second（每秒传输的事物处理个数，或者说每秒系统接收的任务数量），系统接收到任务后会有一个处理时间。

在压力测试时，测试人员会主动按一定tps的量来主动发起接口请求，比如tps=50，就是每秒请求50次，获取一个平均的响应时间（单位一般都是毫秒ms）。压力测试人员口中的TPS50 200ms返回，就是指每秒测试人员主动发起50次请求，这些请求会在平均200ms返回。

由于其他技术指标如QPS（数据的每秒查询个数）等性能都会在tps这个维度上展示出来，因此可通过tps对系统性能进行简单判断，以满足日常性能测试需求。

性能测试的指标是怎么来的呢？

1、产品和运营要给出业务匡算：
这个服务，在多长时间段，多少人会访问

2、性能要求上，通常情况下的APP应该如何？
页面访问的2、5、8原理（用户进入服务2s内要展示完所有内容，超过5秒用户就无法忍受了，超过8秒就没有人再等了，直接关闭服务）
因此页面的渲染时间+资源文件的载入时间+接口的获取时间需要保证1s~2s内完成

3、这个条件下接口获取时间多长合适？
无脑建议200ms以内（考虑到你页面也要2s打开，还要给其他工作留时间）

怎么通过业务量来计算TPS多少合适呢？

直接上公式不太好理解，我们先看案例
案例1：
秒杀型算法
案例的业务量要求
某业务，类似秒杀型，用户估算有2W左右，每个用户平均请求2次接口（查询用户信息接口、查询业务接口）， 这些用户大概率会在2分钟内会访问我们的系统，业务要保证用户2s能打开页面

TPS的分析
TPS是系统每秒钟处理的任务数量，给定二业务场景，我们就需要先计算出来每秒需要系统处理多少任务，从而反推在压力测试的时候，需要给多大的TPS了。

首先，整个系统的总请求数=用户（2W）* 每个用户请求数（2次）= 40000次
其次，每秒要求处理的请求数=总请求数/时间（切换到秒） 即约350（333向上取个整吧）。

最后，TPS并发数量与每个请求所消耗的时间，可实际计算出每秒实际能够处理的请求数。

即每秒实际处理请求数量=tps数量 * 1000【1秒，需要切换为毫秒】/单组tps处理时间【这里是按200ms返回】
因此，我们只要保证 每秒实际处理请求数>每秒要求处理的请求数 就可以了。

最终结果就是：
TPS数量 > 每秒要求处理的请求数 * tps返回时间【按200ms计算】/1000ms
带入数据计算
tps>(350 * 200)/1000，具体tps>70。

因此可让压力测试人员按照tps100来压接口，返回在200ms以内就满足性能要求。
当然如果实际tps50的返回时间为100ms，则按照这个粗略的公式来推算，也是能够支撑的（350 * 100/1000=35，也就是说tps高于35，返回100ms以内也是可以的）

案例2：
一个日常服务的算法
如：一个100w访问的服务，每天访问集中白天8小时，每个用户大约会请求3个接口，每天早上9点是峰值。

首先计算日均请求数（每秒）；
按8小时 100w访问量、平均3个接口请求计算；
每秒日均请求数=100w（访问量）* 3（每个访问量平均请求接口数）/8（小时）/3600（切换成秒），结果就是每秒请求100次。

按接口200ms返回，tps需要> 100 * 200/1000，即>20就行了。
如考虑日常服务的峰值，则按4 * 日均，即每秒请求400次，则tps>80即可，因此可推荐按tps=100来做接口的压力测试。

相关总结：
时间段越短，数据也越接近于瞬间并发
如果用整日的数据来计算总请求数，需要按照日流量分布来估算一个峰值数据，日常APP可考虑使用 峰值=4 * 日均【当然还是要看你具体的访问量】

如果觉得以上繁杂，反正你也可以参考这个结论：
没啥人用的服务 tps 20，返回有300ms就行了；
十万到百万级的服务，响应能达到tps50 /200ms就可以了；
后台服务，能达到tps 20 / 200ms即可（通常后台同时使用也没多少人）；
秒杀类的短时间高并发……TPS100或200 在 100ms内响应 应该也能撑一段时间（具体情况还是要看业务量）；

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）

拥有梦想是勇敢的开始，坚持奋斗是壮丽的征程。不畏艰难，迎难而上，只有燃烧激情、持之以恒，才能谱写人生最美妙的乐章。相信自己，跨越极限。

每一次努力都是为自己的梦想增添一抹色彩，每一次挑战都是成长的机会。不畏困难，勇往直前，只要坚持奋斗，就能绽放出人生最耀眼的光芒，创造属于自己的璀璨未来！

奋斗是翻越荆棘的道路，汗水是收获的甘露。不屈不挠，追求卓越，只要努力奋斗，就能点亮人生的星空。相信自己，坚持梦想，你将书写属于自己的辉煌传奇，绽放生命的无限光芒。