性能测试

性能测试二八定理：二八定律又名80/20定律、帕列托法则（定律）也叫巴莱特定律、最省力的法则、不平衡原则等，被广泛应用于社会学及企业管理学等。分析方法：80/20分析法检验两组类似数据之间的关系，并用来改变它们所描述的关系。一个主要用途是去发现该关系的关键起因——20%的投入就有80%的产出，并在取得最佳业绩的同时减少资源损耗。假如20%喝啤酒的人喝掉70%的啤酒，那么这部分人应该是啤酒制造商注意的对象。尽可能争取这20%的人来买，最好能进一步增加他们的啤酒消费。啤酒制造商出于实际理由，可能会忽视其余80%喝啤酒的人，因为他们的消费量只占30%。同样的，当一家公司发现自己80%的利润来自于20%的顾客时，就该努力让那20%的顾客乐意扩展与它的合作。这样做，不但比把注意力平均分散给所有的顾客更容易，也更值得。再者，如果公司发现80%的利润来自于20%的产品，那么这家公司应该全力来销售那些高利润的产品。80/20分析法的第二个主要用途是对80%的投入只产出20%的生产状况进行改进，使之发挥有效作用。不同于线性思维，我们应该系统并谨慎地应用80/20分析法，因为线性思维会导致对80/20原则的误解，也可能会导致滥用。“不要轻易地认为某一变量是关键的原因是其他每个人都会关注……这就是线性思维。80/20分析法赋予的最有价值的洞察力总是检验别人都忽视的非线性关系。”

外观测试3C锂电池主要应用的是方形铝壳电池和软包电池两种，圆柱形电池应用较少。外观测试的目的是为了验证电池外观是否完好无损，表面有无腐蚀现象，观察电池是否有漏液、发鼓现象，方形铝壳电池还需要确认铝壳是否有坑或者变形，是否出现极柱不对称现象等。性能测试3C锂电池的性能测试是测试中必须进行的项目之一，包含了循环寿命、倍率、高低温放电、安全性测试等。1.循环寿命3C锂电池循环次数多少，反应出电池可以反复充放电用多少次。根据3C锂电池使用的环境不同，循环寿命可以测试电池在低温下、常温下以及高温下的循环寿命能达到多少。2.倍率在生活节奏很快的当下，对3C锂电池快速充电的要求也越来越高。所以，需要对3C锂电池的倍率性能进行测试。3.高低温放电测试在高低温测试环境中，将3C锂电池进行充放电测试，待充放电循环结束，保留曲线和数据。与常温下的曲线和数据对比，看是否符合规格书上所说。4.安全性测试3C锂电池的安全性测试包括过充电、过放电、短路、跌落、加热、震动、挤压、针刺等等，让外来物主动破坏电池来测试电池的安全性。3C锂电池测试过程中对传输电流的需求过大，需要用到能满足大电流且具备稳定传输功能的测试连接治具，凯智通大电流弹片微针模组针对3C锂电池测试有很好地解决方案，性能安全可靠。

在进行网页或应用程序后台接口开发时，一般要及时测试开发的接口能否正确接收和返回数据，对于单次测试，Postman插件是个不错的Http请求模拟工具。 但是Postman只能模拟单客户端的单次请求，而对于模拟多用户并发等性能测试，就必须借助其他的工具了，这里推荐功能强大的JMeter自动化测试工具 Apache JMeter - Apache JMeteru2122 Apache JMeter是Apache组织开发的基于Java的压力测试工具。用于对软件做压力测试，它最初被设计用于Web应用测试但后来扩展到其他测试领域。 它可以用于测试静态和动态资源例如静态文件、Java 小服务程序、CGI 脚本、Java 对象、数据库， FTP 服务器， 等等。JMeter 可以用于对服务器、网络或对象模拟巨大的负载，来自不同压力类别下测试它们的强度和分析整体性能。 下面就以上图的Restful类型的接口为例简单介绍使用Jmeter进行接口测试的方法。 获取某个具体网关设备的基本信息。 请求 方法：GET URI：/api/gateway/<gateway_id> 参数： 在HTTP请求（http request）的头部（header）添加Userid和Token字段作为用户验证字段 响应 返回值：JSON格式的网关信息 参数： .启动jmeter：在bin下以管理员身份运行jmeter.bat，启动jmeter 2. 创建测试计划： 默认启动jmeter时会加载一个测试技术模板，保存测试计划：修改名称为Apitest,点击保存，选择保存路径,后面的步骤，每次添加或修改了了一些选项，软件并不会自动保存到jmx文件中，所以进行测试后，如果需要保存本次测试选项，要手动到“文件”菜单中保存一下。 3. 添加线程组 右键左边树中的测试计划“Apitest”节点，“添 加”→”Threads”→”线程组” 添加成功后，“Apitest”节点下多了“线程组” 节点,当然这个线程组的名称是可以自己设定的。 4. 添加http默认请求：（用来配置公共参数,不是http请求） 右键线程组，选择“添加”→ “配置元件”→“HTTP请求默认值”，点击“HTTP请求默认值”后 添加成功后，线程组”节点下多了“HTTP请求默认值”节点 这里可以设置主机地址等一下公共参数，比如我们的例子中请求路径前面都是主机地址+index.php,就可以统一在"http请求默认值"里设置 填写默认请求名、服务器、默认请求路径，保存测试计划。 5.添加http请求信息头 这一项并不是必须的，只不过我们的例子中使用了Userid和Token放在HTTP请求头中用作用户验证 右键“Apitest”，选择“添加”→ “配置元件”→“HTTP信息头管理器” 6. 添加http请求 右键“Apitest”，选择“添加”→ “Sampler”→“HTTP请求” 添加成功后，出现新的节点“HTTP请求”，就可以填写具体的请求参数了。 填写完成，保存测试计划 7. 添加监听器： 右键线程组，选择“添加”→“监听器”→“XXXXXXXXX” 可以添加的监听器有很多种，可以添加多个监听器，这里我们添加几个常用的“图形结果”、“察看结果树”、“聚合报告” 添加成功后，“线程组”下增加了几个节点 8. 试运行 点击执行 可以查看各个“监听器”的结果 Label：每个 JMeter 的 element（例如 HTTP Request）都有一个 Name 属性，这里显示的就是 Name 属性的值 #Samples：表示你这次测试中一共发出了多少个请求，如果模拟10个用户，每个用户迭代10次，那么这里显示100 Average：平均响应时间——默认情况下是单个 Request 的平均响应时间，当使用了 Transaction Controller 时，也可以以Transaction 为单位显示平均响应时间 Median：中位数，也就是 50％ 用户的响应时间 90% Line：90％ 用户的响应时间 Note：关于 50％ 和 90％ 并发用户数的含义，请参考下文 http://www.cnblogs.com/jackei/archive/2006/11/11/557972.html Min：最小响应时间 Max：最大响应时间 Error%：本次测试中出现错误的请求的数量/请求的总数 Throughput：吞吐量——默认情况下表示每秒完成的请求数（Request per Second），当使用了 Transaction Controller 时，也可以表示类似 LoadRunner 的 Transaction per Second 数 KB/Sec：每秒从服务器端接收到的数据量，相当于LoadRunner中的Throughput/Sec 9. 修改线程组的线程数等参数，用于压力测试 点击左侧树形导航中的“线程组” 设置上面几个参数，模拟的总的请求数是：线程数*循环次数。执行一下，用“图形结果”监听器查看一下 样本数目：总共发送到服务器的请求数. 最新样本：代表时间的数字,是服务器响应最后一个请求的时间. 吞吐量：服务器每分钟处理的请求数. 平均值：总运行时间除以发送到服务器的请求数. 中间值：时间的数字,有一半的服务器响应时间低于该值而另一半高于该值. 偏离：服务器响应时间变化、离散程度测量值的大小,或者,换句话说,就是数据的分布.

性能测试报告中吞吐量是一个非常重要的指标，该指标描述了被测系统在 一秒钟 内能够处理的 请求/交易数目 。吞吐量有时候也叫做每秒事务处理数（Transaction Per Second，简称TPS），TPS的粒度更大一些，落实到具体的测试脚本上，就是将一系列的请求组合成一笔交易，以这笔交易作为衡量吞吐量的最小粒度。但是吞吐量这个指标的数据有时候会“捣乱”，如果只是看其中的一些表面意义的话，解读出来的数据就会有很大的问题，甚至会误导对被测系统能力的判断。那XMeter君就来带领大家看一下吞吐量这个指标后面的秘密。 吞吐量的计算方式1：假设累积一段时间t秒的请求或者交易数目为c，计算吞吐量为：c/t = x（个/秒）。比如在一分钟内，被测系统能够处理30笔交易，那么该系统的吞吐量为30/60（秒）=0.5，我们称该系统的吞吐量为0.5。同理，如果在5秒钟内，被测系统能够处理6个请求，那么吞吐量为6/5=1.2。 吞吐量的计算方式2：如果针对单个用户单笔交易的处理时间为x秒，那么每秒能够处理的交易数为1/x。假设现有y个用户，假设系统能轻松处理这y个用户的请求，那么该系统的针对该交易的吞吐量为: y/x。根据此种计算方法，如果单笔交易时间是0.5秒，那么一秒钟能处理2笔交易，如果系统能够同时服务10个用户，那么该系统的吞吐量为20. 这两种计算方式都没有问题，正常情况下应该可以互相印证。但是我们现在来研究一下下面的这个JMeter测试脚本，该脚本非常简单，它的任务是判断每个虚拟用户里循环执行的次数，只有在偶数次的时候才会执行Debug Sampler里的请求。 - 计数器：用于计数，得到当前运行的次数。具体设置如下图所示，启动值为1，递增为1，最后把值存入iterationNum变量中 - 如果（If）控制器：用于判断是否执行Debug Sampler，逻辑如下，如果变量iterationNum是偶数的话Debug Sampler才会被执行。 Debug Sampler是JMeter提供的内置Sampler，主要任务用于打印JMeter的虚拟用户中的变量等值，用于调试脚本之用。该Sampler主要是从内存中读取并打印变量的值，没有网络等费时的操作，一般来说其执行速度会非常之快，由此可见如果执行上述测试脚本的时候，其吞吐量会非常的高。如下图所示，是该脚本在XMeter上运行的结果截屏。可以看到该Sampler的平均响应时间非常小，大概为0.01毫秒，按照我们脚本的逻辑，由于没有思考时间，而且该Sampler的执行速度非常快，所以基本上可以认为该脚本大概每隔百分之一毫秒就可以完成一次请求，那么在一秒钟内一个用户应该可以完成100000个请求，所以吞吐量应该大约为10万。可是读者看一下下面的测试报告会发现吞吐量才242！那么问题出在哪儿了？ 我们来看一下，XMeter君得出10万的吞吐量是基于我们之前列出的第二种计算方式，这种计算方式有一个假设前提： 测试工具能够毫无延迟的情况下在完成了一次请求的时候，马上发出第二次请求 。回到我们的脚本，意味着第一次请求完成需要0.01毫秒，然后0.01毫秒之后JMete马上就可以发出第二次请求。我们可以看一下脚本里用了“如果（If）控制器”，该控制器里有一个表达式用于判断是否要执行Debug Sampler，问题主要就出在这个控制器上了：该控制器拖慢了JMeter执行脚本的速度，根据XMeter测试报告中实际的吞吐量的值，我们大概可以估算出该控制器的执行所需时间约为1000/242=4毫秒（Debug Sampler的时间量级与控制器的执行基本可以忽略不计了）。那有的同学可能就会说，这个JMeter也太差了吧，怎么会造成这么大的误差！不过你要是这么想可真冤枉了JMeter了，如果没有这些控制器的话，你怎么写出模拟各种业务场景的测试脚本呢？既想马儿不吃草，又想马儿跑得好，哪有这么两全其美的事情呢？ 当然了，其实JMeter对于“如果（If）控制器”还是有优化的方法的，缺省的情况下该控制器用的是JavaScript的表达式运算方式，你想想每次执行的时候先JMeter需要把JavaScript引擎先起来，然后执行一下得到表达式的结果，这得花多少时间啊。在使用“如果（If）控制器”的时候可以用JMeter提供的jexl3函数来提高脚本执行效率，如下图所示，表达式变成了 ${__jexl3(${iterationNum} % 2 == 0)} 之后，同样的测试脚本吞吐量变成了1813，但是离100000的理论值还是差的很远，但是毕竟比刚才的测试结果已经提升了7倍多。 话说到这儿，读者是不是对JMeter生成的测试结果感到很不可靠？差不多的脚本，这个吞吐量的值也差的太远了。工具在实现的时候对功能的复杂性、易用性和准确性等方面都会综合考虑，我们这里举的例子比较极端，如果真正理解了背后的原理，是可以解决的。造成这个问题的根源在于：Sampler的响应时间太短，而脚本中别的元素执行时间远远超过了正常Sampler的执行时间，从而导致这么大的误差，了解了该问题，我们就可以在编写测试脚本的时候避免类似的问题。因此用户在写脚本的时候如果发现了被测服务的响应时间比较短，那么最好通过在Sampler之间增加比响应时间大几个数量级的思考时间，然后通过增加虚拟用户数目的方式来测试被测系统的吞吐量，尽量减少测试工具本身可能会对测试结果产生的不利影响。否则可能会得出“无法解释”的吞吐量报告。

　　光催化材料是由CeO2（70%-90%） ZrO2（30%-10%）组成，形成ZrO2稳定CeO2的均匀复合物，外观呈浅黄色，具有纳米层状结构，在 1000℃ 经4小时老化后，比表面仍较大（>15M# G），因此高温下也能保持较高的活性。　　用途：适用于高温催化材料，如汽车尾气催化剂 技术背景——能源危机和环境问题　　人类目前使用的主要能源有石油、天然气和煤炭三种。根据国际能源机构的统计，地球上这三种能源能供人类开采的年限，分别只有40年、50年和240年。值得注意的是，中国剩余可开采储蓄仅为1390亿吨标准煤，按照中国2003年的开采速度16.67亿吨/年，仅能维持83年。中国石油资源不足，天然气资源也不够丰富，中国已成为世界第二大石油进口国。因此，开发新能源，特别是用清洁能源替代传统能源，迅速地逐年降低它们的消耗量，保护环境改善城市空气质量早已经成为关乎社会可持续发展的重大课题。中国能源发展方向可以锁定在前景看好的五种清洁能源： 水电、风能、太阳能、氢能和生物质。　　太阳能不仅清洁干净，而且供应充足，每天照射到地球上的太阳能是全球每天所需能源的一万倍以上。直接利用太阳能来解决能源的枯竭和地球环境污染等问题是其中一个最好、直接、有效的方法。为此，中国政府制定实施了“中国光明工程”计划。模仿自然界植物的光合作用原理和开发出人工合成技术被称为“21世纪梦”的技术。它的核心就是开发高效的太阳光响应型半导体光催化剂。目前国内外光催剂的研究多数停留在二氧化钛及相关修饰。尽管这些工作卓有成效，但是在规模化利用太阳能方面还远远不够。因此搜寻高效太阳光响应型半导体作为新型光催化剂成为当前此领域最重要的课题。　　二， 光催化材料的基本原理　　半导体在光激发下，电子从价带跃迁到导带位置，以此，在导带形成光生电子，在价带形成光生空穴。利用光生电子-空穴对的还原氧化性能，可以降解周围环境中的有机污染物以及光解水制备H2和O2。　　高效光催化剂必须满足如下几个条件： （1）半导体适当的导带和价带位置，在净化污染物应用中价带电位必须有足够的氧化性能，在光解水应用中，电位必须满足产H2和产O2的要求。（2）高效的电子-空穴分离能力，降低它们的复合几率。（3）可见光响应特性：低于420nm左右的紫外光能量大概只占太阳光能的4%，如何利用可见光乃至红外光能量，是决定光催化材料能否在得以大规模实际应用的先决条件。常规anatase-type TiO2 只能在紫外光响应，虽然通过搀杂改性，其吸收边得以红移，但效果还不够理想。 因此，开发可见光响应的高效光催化材料是该领域的研究热点。只是，现在的研究状况还不尽人意。　　三， 光催化材料体系的研究概况　　从目前的资料来看，光催化材料体系主要可以分为氧化物，硫化物，氮化物以及磷化物　　氧化物：最典型的主要是TiO2及其改性材料。目前，绝大部分氧化物主要集中在元素周期表中的d区， 研究的比较多的是含Ti，Nb，Ta的氧化物或复合氧化物。其他的含W，Cr，Fe，Co，Ni，Zr等金属氧化物也见报道。个人感觉，d区过渡族金属元素氧化物经过炒菜式的狂轰乱炸后，开发所谓的新体系光催化已经没有多大潜力。目前，以日本学者J. Sato为代表的研究人员，已经把目光锁定在p区元素氧化物上，如含有Ga，Ge，Sb，In，Sn，Bi元素的氧化物。　　硫化物：硫化物虽然有较小的禁带宽度，但容易发生光腐蚀现象，较氧化物而言，稳定性较差。主要有ZnS，CdS等　　氮化物：也有较低的带系宽度，研究得不多。有Ta／N，Nb／N等体系　　磷化物：研究很少，如GaP　　按照晶体/颗粒形貌分类：　　（1）层状结构　　**半导体微粒柱撑于石墨及天然/人工合成的层状硅酸盐　　**层状单元金属氧化物半导体如：V2O5，MoO3，WO3等　　**钛酸，铌酸，钛铌酸及其合成的碱（土）金属离子可交换层状结构和半导体微粒柱撑于层间的结构　　**含Bi层状结构材料，（Bi2O2）2+（An-1BnO3n+1）2- （A=Ba，Bi，Pb；B=Ti，Nb，W），钙钛矿层 （An-1BnO3n+1）2-夹在（Bi2O2）2+层之间。典型的有：Bi2WO6，Bi2W2O9，Bi3TiNbO9　　**层状钽酸盐：RbLnTa2O7（Ln=La,Pr,Nd,Sm）　　（2）通道结构　　比较典型的为BaTi4O9，A2Ti6O13（A=K，Na，Li，等）。这类结构往往比层状结构材料具有更为优异的光催化性能。研究认为，其性能主要归咎于金属-氧多面体中的非对称性，产生了偶极距，从而有利于电子和空穴分离　　（3）管状结构：在钛酸盐中研究较多　　（4）晶须或多晶一维材料　　经由VLS，VS，LS（如水热合成，熔盐法）机制可制备一维材料；　　液相合成中的软模化学法制备介孔结构的多晶一维材料　　对于该种行貌的材料，没有迹象表明，其光催化性能得以提高　　（5）其他形状复杂的晶体或粉末颗粒　　最典型的是ZnO材料，根据合成方法不同，其行貌也相当丰富　　四，提高光催化材料性能的途径　　（1）颗粒微细纳米化　　降低光生电子-空穴从体内到表面的传输距离，相应的，它们被复合的几率也大大降低。　　（2）过度金属掺杂和非金属掺杂　　金属：掺杂后形成的杂质能级可以成为光生载流体的捕获阱，延长载流子的寿命。Choi以21种金属离子对TiO2光催化活性的影响，表明Fe3+，Mo5+，Re5+，Ru3+，V4+，Rh3+能够提高光催化活性，其中Fe3+的效果最好。具有闭壳层电子构型的金属离子如Li+，Al3+，Mg2+，Zn2+，Ga2+，Nb5+，Sn4+对催化性影响甚微　　非金属：TiO2中N，S，C，P，卤族元素等　　对于掺杂，个人的认识，其有如下效应：　　**电价效应：不同价离子的掺杂产生离子缺陷，可以成为载流子的捕获阱，延长其寿命；并提高电导能力　　**离子尺寸效应：离子尺寸的不同将使晶体结构发生一定的畸变，晶体不对性增加，提高了光生电子-空穴分离效果　　**掺杂能级：掺杂元素电负性大小的不同，带隙中形成掺杂能级，可实现价带电子的分级跃迁，光响应红移　　（3）半导体复合　　利用异种半导体之间的能带结构不同，复合后，如光生电子从A粉末表面输出，而空穴从B表面导出。也即电子和空穴得到有效分离　　（4）表面负载　　将半导体纳米粒子固定技术在不同的载体上（多孔玻璃、硅石、分子筛等）制备分子或团簇尺寸的光催化剂。　　（5）表面光敏　　利用具有较高重态的具有可见光吸收的有机物，在可见光激发下，电子从有机物转移到半导体粉末的导带上。该种方法不具有实用性，一方面，有机物的稳定性值得质疑；另一考虑的是经济因素　　（6）贵金属沉积　　贵金属：Pt, Au, Pd, Rh,　　Ni, Cu, Ag,等　　（7）外场耦合　　热场，电场，磁场，微波场，超声波场　　目前，研究较多的是电场效应。其他场的研究也不少见，效果一般，更多的是从工艺层次来说明效果，所谓理论的东西不多

一、实验目的1.熟悉非金属矿物石膏的凝结过程;掌握石膏凝结时间的测试方法。2.熟悉水膏比、缓凝剂对石膏凝结性能的影响。3.掌握石膏砌块的制备及抗折、抗压性能测试方法。二、实验仪器及用品1.标准稠度与凝结时间测定仪，电子天平，烧杯，搅拌用具，秒表，尺寸为40mm×40mm×160mm试模，圆模，玻璃板，铲刀，抗折、抗压试验机，鼓风干燥箱。2.α-半水石膏粉柠檬酸、多聚磷酸钠、骨胶缓凝剂，机油脱模剂。三、实验原理半水石膏粉是由天然二水石膏(CaSO4·2H2O)经煅烧失去 结晶水后磨细制得。遇水发生水化反应:矿物加工工程专业实验教程在空气中硬化，可制成具有一定机械强度的固体材料，又称气硬性胶凝材料。半水石膏有两种不同类型:α-半水石膏和β-半水石膏。其中，β-半水石膏由天然石膏在常压下烧制而成，其粉料调配成石膏浆所需水量较多，致使模型强度低;这种β-半水石膏颗粒是晶面发生了一定程度的破坏，制备的模型具有较多的空隙和裂纹，影响模型强度、硬度和吸浆速度等相关性能。α-半水石膏是在水蒸气加压蒸煮下制得，制备的模型强度高，吸水性能强。广泛用于建筑材料、石膏模具、医疗用品等。石膏凝结时间包括初凝时间和终凝时间，一般的达到初步凝结的时间为6～30min;凝结过程容易受到水膏比(水与半水石膏质量比)、缓凝剂等的影响，不同的缓凝因素导致凝结时间不同时间的延长。研究认为常用的石膏缓凝剂柠檬酸、多聚磷酸钠、骨胶的缓凝机理为:柠檬酸的缓凝作用主要在于柠檬酸与钙形成络合离子，影响了二水石膏晶体晶核的生长;多聚磷酸钠与钙形成某种复盐，对于石膏晶体的溶解、成核和生长过程均产生强烈的阻碍作用;骨胶胶体易对半水石膏产生包裹作用，并与活性基团产生化学吸附，阻碍二水石膏晶体的成核和生长。并且，不同水膏比及缓凝剂的使用均会对制备的石膏材料的强度产生一定的影响。四、实验步骤1.石膏初终凝时间测定石膏凝结时间的测定方法有两种:划痕法和沉针法。本实验用到的是沉针法，选用的测定仪器为标准稠度与凝结时间测定仪，如图9-5-1。(1)将圆模放在玻璃板上，标准稠度与凝结时间测定仪指针对准标尺末点。(2)取150g石膏粉，按照水膏比1∶1制成石膏浆体，并开始计时。(3)将石膏浆倒入圆模，振动数次刮平。放在试针下，使试针与浆面接触，拧紧螺丝;然后，突然放送，试针自由沉入浆中。若试针可以穿透石膏浆体则说明未达到石膏初凝状态，需要增加时间完成初凝;若试针沉入石膏浆中，并距离底部0.5～1mm不再下沉，则说明达到初凝状态。从加水调浆到达到初凝状态所需要的时间，称为初凝时间。(4)从加水调浆到试针沉入泥浆不超过1mm时，所需的时间称为终凝时间。图9-5-1 标准稠度与凝结时间测定仪2.水膏比对石膏凝结时间影响(1)准备石膏粉试样4份，每份150g。(2)分别按水膏比为2∶1、1.5∶1、1∶1、0.5∶1制备石膏浆;配制过程中，先将水放入容器中，缓慢加入石膏充分搅拌获得分散良好的石膏浆液。(3)制备好的石膏浆体，在标准稠度与凝结时间测定仪下，按照石膏初终凝时间测定方法，分别测定初凝时间、终凝时间。3.缓凝剂对石膏凝结时间影响(1)准备石膏粉试样4份，每份150g。(2)将水放入容器中，按照使用石膏粉量的0.02%，分别加入柠檬酸、多聚磷酸钠、骨胶缓凝剂充分溶解，缓慢加入石膏充分搅拌获得分散良好的石膏浆液;水膏比设定为1∶1。(3)制备好的石膏浆体，在标准稠度与凝结时间测定仪下，按照石膏初终凝时间测定方法，分别测定初凝时间、终凝时间。4.抗折、抗压强度的测试(1)在40mm×40mm×160mm试模内均匀涂一层机油，试模接缝处涂黄油或凡士林以防漏浆，如图9-5-2。(2)按设定的标准稠度需水量取水放入搅拌容器，将500g石膏粉在30s均匀给入水中，不断搅拌，得到分散良好的石膏浆体。(3)将搅拌均匀的石膏浆体倒入试模中，将模一端抬起10mm振动5次以上排除气泡;待到达初凝时间时，用铲刀刮平试样表面。(4)从水与石膏接触起计时1.5h后，在试件表面编号并拆模;脱模后的试件存放在试验室条件下，0.5h后进行抗折强度的测定。(5)将试件放在抗折试验机的轴辊上，试件的成型面应面向侧面;试件各边与各轴辊垂直，并使轴辊与二个下轴辊完全保持等距。开动机器，使试件在加荷开始后20～40s内破坏，记录三个试件的抗折强度，并计算其平均值，精确到0.1MPa，此平均值即为试样的抗折强度。若三个强度值中有一个超过平均值±10%的，应剔除后再平均作为抗折强度试验结果;若试件中仅有一个合格样，则需要重做实验。(6)用做完抗折试验后得到的6个半块试件进行抗压强度的测定。试验时将试件放在夹具内，试件的成型面应与受压面垂直。将抗压夹具连同试件置于抗压试验机上、下台板之间，下台板球轴应通过试件受压中心。开动机器，使试件在加荷开始后20～40s内破坏。记录每个试件的破坏荷载P，抗压强度Rc按下式计算:矿物加工工程专业实验教程式中:Rc——抗压强度，MPa;P——破坏荷载，N;A——受压面积，mm2。计算6个试件抗压强度平均值。如果测得的六个值与它们平均值的差不大于10%，则用该平均值作为抗压强度。如果有某个值与平均值之差大于10%，应将此值舍去，以其余的值算平均值;如果有两个以上的值与平均值之差大于10%，应重做试验。图9-5-2 石膏试模五、数据处理1.将在不同水膏比下获得的石膏初终凝时间记录于表9-5-1中。表9-5-1 实验结果2.将使用不同缓凝剂时石膏的初终凝时间数据记录于表9-5-2。表9-5-2 实验结果3.抗折、抗压强度记录表，参见表9-5-3。表9-5-3 实验结果

MPM模块常见的相关参数包括： MaxSpareServers、MinSpareServers、ServerLimit、StartServers、ThreadsPerChild、MaxConnectionsPerChild 、MaxRequestWorkers、ListenBackLog、ListenCoresBucketsRatio、MaxMemFree和ReceiveBufferSize 。 该指令设置空闲子进程的最大数量。所谓空闲子进程是指没有正在处理请求的子进程。如果当前有超过MaxSpareServers数量的空闲子进程，那么父进程将杀死多余的子进程。只有在非常繁忙机器上才需要调整这个参数，此参数设的通常不能设置过大，直到空闲线程的数量小于该数量为止。如果你将该指令的值设置为比MinSpareServers小，Apache将会自动将其修改成“MinSpareServers+1”。 对于worker和event来说，该荐默认值为 MaxSpareThreads 250。 对于mpm_netware默认为 MaxSpareThreads 100。 mpmt_os2的工作与mpm_netware。对于 mpmt_os2默认值10。 ▲ 注意： MaxSpareThreads值的范围受到限制。Apache httpd将根据以下规则自动更正给定值： ● mpm_netware该值需要大于 MinSpareThreads。 ● 对于worker和event，该值必须大于或等于 MinSpareThreads和 ThreadsPerChild的和。 表示处理请求峰值的最小空闲线程数。不同的MPM处理此指令的方式有所不同。 worker模块和event模块该项默认值为 MinSpareThreads 75。如果服务器的空闲线程数小于所设置的值，则会创建子线程，直到空闲线程数大于我们所设置的最小空闲线程数。 如果服务器中没有足够的空闲线程，则将创建子进程，直到空闲线程的数量大于number为止。如果ListenCoresBucketsRatio 启用，可能会创建其他进程/线程。mpm_netware模块的默认值为 MinSpareThreads 10，对于 mpmt_os2模块默认值为5。 对于preforkMPM来说是通过MaxRequestWorkers来配置的，因为preforkMPM是一个子进程只生成一个线程。对于worker和eventMPM来说会通过ThreadLimit和MaxRequestWorkers两个参数来配置其最大值。MaxRequestWorkers指令可以在服务器重启过程中修改。 使用这个指令时必须特别注意的是，ServerLimit的值不能设置的比实际的使用的值高出太多，如果设置的值过大，则会分配很多我们并不需要使用的内存。如果将ServerLimit和MaxRequestWorkers都设置为高于系统可以处理的值，则Apache httpd可能无法启动，或者系统可能变得不稳定。 ▲ 注意： 一般来说ServerLimit最大的值可以设置到20000，这是由服务器限制的，如果需要设置为更大的值，那么需要修改mpm源文件中的MAX_SERVER_LIMIT值。 StartServers指令用于设置启动时创建的子服务器进程的数量。通常会根据 MinSpareThreads、 MaxSpareThreads、 MinSpareServers、MaxSpareServers来动态调整StartServers的值。 缺省值因MPM而异。worker和event默认为StartServers 3，prefork默认为5，mpmt_os2 默认为2。 该指令表示设置每个进程创建的线程数，服务器启动时先是创建子进程数，再创建线程，如使用mpm_winnet模块，则只会生成一个子进程，那么该指令设置应该需要大于服务器处理的最大负载，如果使用worker模块，会生成多个子进程，则线程总数应大于服务器的负载。 mpm_winnt该指令的缺省值为25。其它的MPM缺省值ThreadsPerChild是 64。 ThreadsPerChild设置的值不能超过ThreadLimit的值。如果配置了更高的值，它将在启动时自动减小并记录警告日志信息。 MaxConnectionsPerChild这个指令主要是设置单个子进程最多可以处理的连接数。如果子进程伺服的连接数达到这个最大值，那么该子进程就会被杀掉。如果将MaxConnectionsPerChild的值设置为 0，那么表示该子进程可以处理无限多和连接数。将MaxConnectionsPerChild为非零的值，可以限制由于内存泄漏导致进程消耗太多内存量的问题。 MaxRequestWorkers指令主要是用于设置服务器同时处理的最大连接数，如果超过所设置的值，那么就会出现排队的现象，最大排队值是由ListenBacklog 指令来设置，在排队过程中，只有当一个请求结束后才会释放出子进程给其它的连接服务使用。 对于这非线程服务的MPM模块(如prefork)，MaxRequestWorkers指令将转换为服务器最大的子进程数，即ServerLimit的值。MaxRequestWorkers指令默认值为 256。 对于会产生多线程类的MPM模块(如event 或worker)，MaxRequestWorkers指令将用来限制服务器客户端的连接连接数。混合的MPM，默认的ServerLimit值为16，默认的ThreadsPerChild值为25，在这种情况下设置MaxRequestWorkers指令的值必须大于16乘以25的积。 在2.3.13版之前MaxRequestWorkers指令以前的版称之为MaxClients。 ListenBackLog指令用于设置连接数队列长度，默认值为511，一般情况下我们不需要对这个指令进行设置或调整，但如果某些系统受到TCP SYN攻击时，可以适当的增加这个值。 这个选项有两个核心内容要搞清楚， 一是在线CPU核数;二是监听桶。 首先我们介绍什么是在线CPU核数。kernel使用4个bitmap，来保存分别处于4种状态的CPU core：possible、present、active和online。其中online就是表示在线的CPU核数。在/sys/devices/system/cpu目录下有一个文件online记录着当前所有在线的CPU核数。 linux操作系统在初始化的时候会调用开启smp多核。cpuhotplug可以根据cpu负载的情况，自动开核，做到性能与功耗的平衡。最后空闲的cpu会进入cpuidle状态。 cpuhotplug原理如图10-6所示 。 要研究监听桶那么就必须先理解TCP连接的过程，以及TCP连接与套接字的关系。 TCP连接过程如图10-7所示。 listen函数是用来监听已经通过bind()函数绑定了addr+port的套接字。监听之后，套接字就从CLOSE状态转变为LISTEN状态，这个套接字就可以对外提供TCP连接的窗口。connect()函数则用于向某个已监听的套接字发起连接请求，也就是发起TCP的三次握手过程。 那么TCP连接与套接字有什么关系呢?每个TCP连接不管是客户端还是服务器端都会关联一个套接和该套接字所指向的文件描述符。当服务器接受到ACK消息后，则表示三次握手已经完成，客户端和服务器端的TCP连接已经建立好了。TCP连接建立好后，这个TCP连接会放在listen()打开的established queue队列中等待accept的消息，此时TCP连接关联的套接字是listen套接字和指向文件的描述符。 当established queue队列中的TCP被accept()接受后，就会关联accept()所指定的套接字，并分配一个新的文件描述符，也就是说经过accept()后，这个连接和listen套接字已经没有任何关系了。 一般情况下一个addr+port只能被一个套接字绑定，也就说是addr+port不能重用，不同套接字只能绑定在不同的addr+port上。 监听套接字的线程都是抢占式监听，在同一时刻监听套接字上只能有一个监听线程在监听或者说在使用，当这个监听线程接收到请求后，会让出监听的资格，此时其它的监听线程会去抢这个监听权，但同时只能有一个线程抢到监听权。 其工作过程如图10-8所示。 正常情况下addr+port只能被一个套接字绑定，如果将地址和端口重用，那么组合起来就是套接字重用，在现在的linux内核中支持地址重用，socket选项SO_REUSEADDR，支持端口重用的socket选项SO_REUSEPORT。设置了端口重用选项后，再去绑定套接字，相当于一个实例绑定了两个或多个addr+port。对于监听进程/线程来说，每次重用的套接字被称为监听桶(listener bucket)，即每个监听套接字都是一个监听桶。以httpd的worker或event模型为例，假设目前有N个子进程，每个子进程又包含一个监听线程和N个工作线程。 其工作过程如图10-9所示 。 使用了地址重用和端口重用技术，就相当于同一个addr+port绑定多个套接字。 如图10-9 一个监听桶下面绑定了三个套接字，同时会有三个线程来监听三个套接字，但每个套接字还是与地址未重用和端口未重用一样的逻辑都是抢占式的方式来获取监听权。 地址重用和端口重用带好的好处就是可以减轻监听时互斥锁的争抢，避免“饥饿问题”，提高监控效率，并且可以更好的实现负载均衡，但这个也受限于CPU的核心，如果只是单核的CPU，那么地址重用和端口重用并没有什么优势，因为线程数不够。 现在可以明白ListenCoresBucketsRatio这个选项的含义了，即设置在线CPU核数与监听桶的比例。 在MPM线程中，每个线程都有自己的分配器，该参数表示不调用free()函数进行释放内存时， 允许每个分配器保持的最大空闲内存数。如果设置为零时表示该阀值不受限制。 用于设置TCP接收数据时缓存区的大小，如果设置为0则表示以操作系统的这个值为准。 以上是MPM模块中涉及到的常见的指令设置。

光看显存容量有毛用，那东西能代表显卡性能？？显存容量大小只不过是给小白门外汉看的，那东西根本不直接和显卡性能发生什么关系。。。。。。。210GT，给我的话，我眼睛都不眨一下立马掰了，往垃圾堆里一丢。。

目前市面上的主流旗舰手机，无非是搭载了高通骁龙8Gen1芯片、天玑9000芯片、苹果A15仿生处理器、谷歌Tensor芯片，其中主流的旗舰手机搭载的骁龙8Gen1芯片和苹果A15仿生处理器这两款，并且深受消费者的欢迎。 而这四款芯片目前具备代表性的旗舰手机，分别为三星S22Ultra、红米K50Pro、iPhone13ProMax、谷歌Pixel6Pro，那么搭载这四款芯片的手机，在性能方面都有哪些差距呢，让我们一起来看下整个测试过程。 第一轮的测试环节，是在三星S22Ultra、红米K50Pro、iPhone13ProMax、谷歌Pixel6Pro这四部手机上，连续打开同样数量的软件，然后分别记录所耗费的时间。打开同样数量的软件，iPhone13ProMax耗费的时间最少，为1分35秒。第二名是三星S22Ultra，耗时为1分56秒。第三名是红米K50Pro，耗时为2分钟2秒。而谷歌Pixel6Pro排名第四，耗时为2分钟13秒。 在机身温度的表现方面，三星S22Ultra、红米K50Pro、iPhone13ProMax、谷歌Pixel6Pro的机身温度，分别为32 、33.6 、32.2 、32.3 ，三星S22Ultra的机身温度最低，红米K50Pro的机身温度最高。 第二轮测试环节是在三星S22Ultra、红米K50Pro、iPhone13ProMax、谷歌Pixel6Pro上运行软件的视频解码测试，这个测试环节也比较考验手机的性能表现。 从测试结果来看，视频解码速度最快的，是iPhone13ProMax，耗时20秒。视频解码排名第二的是三星S22Ultra，耗时30秒。视频解码速度排名第三的是红米K50Pro，耗时32秒。而视频解码速度垫底的是谷歌Pixel6Pro耗时36秒。 视频解码速度测试的结果和软件打开速度测试的结果基本上一致，这四部手机的排名在两个测试环节中也基本上一致。 第三个测试环节是运行软件解压缩测试，这四部手机对于软件解压缩的表现也完全不同。 软件解压缩排名第一的，依然是iPhone13ProMax，耗时为14秒。排名第二的是谷歌Pixel6Pro，耗时为19秒。第三名是三星S22Ultra，耗时为22秒。第四名则是红米K50Pro，耗时为25秒。 第三轮的测试结果发生了变化，谷歌Tensor处理器的表现跃居第二名，比第一轮和第二轮的测试环节表现都要出色。 最后一轮测试，是在三星S22Ultra、红米K50Pro、iPhone13ProMax、谷歌Pixel6Pro上运行GeekBench和安兔兔软件跑分。 GeekBench的跑分结果为，多核分别是3237分、4132分、4728分、2427分。安兔兔跑分测试结果为，904260分、961112分、813448分、589731分。 从两款不同的软件中的跑分可以看出来，这四部手机的跑分结果和排名也是完全不同，看样子这两款软件的侧重点也完全不同。 从多轮的测试结果来看，表现最好的依然是搭载苹果A15仿生处理器的iPhone13ProMax，除了安兔兔跑分的结果不高之外，在GeekBench的跑分和实际测试环节中的表现都非常优秀。所以如果预算充足的话，性能旗舰手机还是首选iPhone13ProMax，因为从使用体验上来看，iPhone13ProMax在多种测试环节中的表现是最好的，性能是最强的。

基准测试，容量测试，负载测试，并发测试及强度测试

性能测试，英文是Performance Testing。性能测试是在交替进行负荷和强迫测试时常用的术语。理想的“性能测试”(和其他类型的测试)应在需求文档或质量保证、测试计划中定义。性能测试一般包括负载测试和压力测试。通常验证软件的性能在正常环境和系统条件下重复使用是否还能满足性能指标。或者执行同样任务时新版本不比旧版本慢。一般还检查系统记忆容量在运行程序时会不会出现内存泄露(memory leak)。比如，验证程序保存一个巨大的文件新版本不比旧版本慢。 健全测试，英文是Sanity testing。健全测试是指一个初始化的测试工作，以决定一个新的软件版本测试是否足以执行下一步大的测试能力。例如，如果一个新版软件每5分钟与系统冲突，使系统陷于泥潭，说明该软件不够“健全”，不具备进一步测试的条件。 衰竭测试，英文是Failure Testing。衰竭测试是指软件或环境的修复或更正后的“再测试”。可能很难确定需要多少遍再次测试。尤其在接近开发周期结束时。自动测试工具对这类测试尤其有用。 负载测试，英文是Load testing。负载测试是测试一个应用在重负荷下的表现。例如测试一个 Web 站点在大量的负荷下，何时系统的响应会退化或失败，以发现设计上的错误或验证系统的负载能力。在这种测试中，将使测试对象承担不同的工作量，以评测和评估测试对象在不同工作量条件下的性能行为，以及持续正常运行的能力。负载测试的目标是确定并确保系统在超出最大预期工作量的情况下仍能正常运行。此外，负载测试还要评估性能特征，例如，响应时间、事务处理速率和其他与时间相关的方面。 强迫测试，英文是Force Testing。强迫测试是在交替进行负荷和性能测试时常用的术语。也用于描述对象在异乎寻常的重载下的系统功能测试之类的测试，如某个动作或输入大量的重复，大量数据的输入，对一个数据库系统大量的复杂查询等。 压力测试，英文是Stress Testing。和负载测试差不多。压力测试是一种基本的质量保证行为，它是每个重要软件测试工作的一部分。压力测试的基本思路很简单：不是在常规条件下运行手动或自动测试，而是在计算机数量较少或系统资源匮乏的条件下运行测试。通常要进行压力测试的资源包括内部内存、CPU 可用性、磁盘空间和网络带宽等。一般用并发来做压力测试。 恢复测试，英文是Recovery testing。恢复测试是测试一个系统从如下灾难中能否很好地恢复，如遇到系统崩溃、硬件损坏或其他灾难性问题。恢复测试指通过人为的让软件（或者硬件）出现故障来检测系统是否能正确的恢复，通常关注恢复所需的时间以及恢复的程度。恢复测试主要检查系统的容错能力。当系统出错时，能否在指定时间间隔内修正错误并重新启动系统。恢复测试首先要采用各种办法强迫系统失败，然后验证系统是否能尽快恢复。对于自动恢复需验证重新初始化（reinitialization）、检查点(checkpointing mechanisms)、数据恢复(data recovery)和重新启动 (restart)等机制的正确性；对于人工干预的恢复系统，还需估测平均修复时间，确定其是否在可接受的范围内。

The report of product performance test

[toc] 随着集群中总的Region数持续增长，每个节点平均管理的Region数已达550左右，某些大表的写入流量一上来，Region Server就会不堪重负，相继挂掉。 在HBase中，Region的一个列族对应一个MemStore，通常一个MemStore的默认大小为128MB（我们设置的为256MB），见参数 hbase.hregion.memstore.flush.size 。当可用内存足够时，每个MemStore可以分配128MB的空间。 当表的写入流量上升时，假设每个Region的写入压力相同，则理论上每个MemStore会平均分配可用的内存空间。 因此，节点中Region过多时，每个MemStore分到的内存空间就会变小。此时，写入很小的数据量，就会被强制flush到磁盘，进而导致频繁刷写，会对集群HBase与HDFS造成很大的压力。 同时，Region过多导致的频繁刷写，又会在磁盘上产生非常多的HFile小文件，当小文件过多的时候，HBase为了优化查询性能就会做Compaction操作，合并HFile，减少文件数量。当小文件一直很多的时候，就会出现 “压缩风暴”。Compaction非常消耗系统的IO资源，还会降低数据的写入速度，严重时会影响正常业务的进行。 关于每个Region Server节点中，Region数量大致合理的范围，HBase官网上也给出了定义： 可见，通常情况下，每个节点拥有20-200个Region是比较正常的。 其实，每个Region Server的最大Region数量由总的MemStore内存大小决定。每个Region的每个列族会对应一个MemStore，假设HBase表都有一个列族，那么每个Region只包含一个MemStore。一个MemStore大小通常在128~256MB，见参数： hbase.hregion.memstore.flush.size 。默认情况下，RegionServer会将自身堆内存的40%（我们线上60%）（见参数： hbase.regionserver.global.memstore.size ）提供给节点上的所有MemStore使用，如果所有MemStore的总大小达到该配置大小，新的更新将会被阻塞并且会强制刷写磁盘。因此，每个节点最理想的Region数量应该由以下公式计算（假设HBase表都有统一的列族配置）： ((RS memory) * (total memstore fraction)) / ((memstore size)*(column families)) 其中： 以我们线上集群的配置举例，我们每个RegionServer的堆内存是32GB，那么节点上最理想的Region数量应该是： 32768*0.6/256 ≈ 76 （32768*0.6/128 ≈ 153） 上述最理想的情况是假设每个Region上的填充率都一样，包括数据写入的频次、写入数据的大小，但实际上每个Region的负载各不相同，有的Region可能特别活跃、负载特别高，有的Region则比较空闲。所以，通常我们认为2 3倍的理想Region数量也是比较合理的，针对上面举例来说，大概200 300个Region左右算是合理的。 针对上文所述的Region数过多的隐患，以下内容主要从两方面考虑来优化。 提高内存的目的是为了增加每个Region拥有的MemStore的空间，避免其写入压力上升时，MemStore频繁刷写，形成小的HFile过多，引起压缩风暴，占用大量IO。 但其实RS的堆内存并不是越大越好，我们开始使用HBase的时候，对CMS和G1相关的参数，进行了大量压测，测试指标数据表明，内存分配的越大，吞吐量和p99读写平均延时会有一定程度的变差（也有可能是我们的JVM相关参数，当时调配的不合理）。 在我们为集群集成jdk15，设置为ZGC之后，多次压测并分析JVM日志之后，得出结论，在牺牲一定吞吐量的基础上，集群的GC表现能力确实提升的较为明显，尤其是GC的平均停顿时间，99.9%能维持在10ms以下。 而且ZGC号称管理上T的大内存，停顿时间控制在10ms之内（JDK16把GC停顿时间控制在1ms内，期待JDK17 LTS），STW时间不会因为堆的变大而变长。 因此理论上，增加RS堆内存之后，GC一样不会成为瓶颈。 之所以考虑在单节点上部署多个Region Server的进程，是因为我们单个物理机的资源配置很高，内存充足（三百多G，RS堆内存只分了32G）、而HBase又是弱计算类型的服务，平时CPU的利用率低的可怜，网络方面亦未见瓶颈，唯一掉链子的也就属磁盘了，未上SSD，IO延迟较为严重。 当然，也曾考虑过虚拟机的方案，但之前YCSB压测的数据都不太理想；K8s的调研又是起步都不算，没有技术积累。因此，简单、直接、易操作的方案就是多RS部署了。 以下内容先叙述CDH中多RS进程部署的一些关键流程，后续将在多RS、单RS、单RS大堆环境中，对集群进行基准性能测试，并对比试验数据，分析上述两种优化方案的优劣。 我们使用的HBase版本是 2.1.0-cdh6.3.2 ，非商业版，未上Kerberos，CDH中HBase相关的jar包已替换为用JDK15编译的jar。 多Region Server的部署比较简单，最关键的是修改 hbase-site.xml 中region server的相关端口，避免端口冲突即可。可操作流程如下。 修改所需配置文件 hbase-site.xml 配置文件一定不要直接从 /etc/hbase/conf 中获取，这里的配置文件是给客户端用的。CDH管理的HBase，配置文件都是运行时加载的，所以，找到HBase最新启动时创建的进程相关的目录，即可获取到服务端最新的配置文件，如：/var/run/cloudera-scm-agent/process/5347-hbase-REGIONSERVER。需要准备的目录结构如下： 不需要HBase完整安装包中的内容（在自编译的完整安装包中运行RS进程时，依赖冲突或其他莫名其妙的报错会折磨的你抓狂），只需要bin、conf目录即可，pids文件夹是自定义的，RS进程对应pid文件的输出目录，start_rs.sh、stop_rs.sh是自定义的RS进程的启动和关闭脚本。 重点修改下图标注的配置文件， 还有日志文件名的一些输出细节，可以按需在 bin/hbase-daemon.sh 中修改。 运行或关闭RS进程 中间有异常，请查看相关日志输出。 集群Region数疯涨，当写入存在压力时，会导致RS节点异常退出。为了解决目前的这种窘境，本次优化主要从单节点多Region Server部署和提高单个Region Server节点的堆内存两方面着手。 那这两种优化方案对HBase的读写性能指标，又会产生什么样的影响呢？我们以YCSB基准测试的结果指标数据做为参考，大致评价下这两种应急方案的优劣。 用于此次测试的HBase集群的配置 此次测试使用的数据集大小 测试方法 压测时选择的读写负载尽量模拟线上的读写场景，分别为：读写3/7、读写7/3、读写5/5； 压测时唯一的变量条件是：多RS部署（32G堆，在每个节点上启动3个RS进程，相当于集群中一共有15个RS节点）、单RS部署（32G小堆）和单RS部署（100G大堆），并尽可能保证其他实验条件不变，每个YCSB的工作负载各自运行20分钟左右，并且重复完整地运行5次，两次运行之间没有重新启动，以测量YCSB的吞吐量等指标，收集的测试结果数据是5次运行中最后3次运行的平均值，为了避免第一轮和第二轮的偶然性，忽略了前两次的测试。 YCSB压测的命令是： 收集实验数据后，大致得出不同读写负载场景下、各个实验条件下的指标数据，如下图。 上述的测试数据比较粗糙，但大致也能得出些结论，提供一定程度上的参考。 多RS进程部署的模式，起到了一定程度上的进程间资源隔离的作用，分担了原先单台RS管理Region的压力，最大化利用了物理机的资源，但多出来的一些Region Server，需要单独的管理脚本和监控系统来维护，增加了维护成本。多个RS依赖同一台物理机，物理节点宕机便会影响多个RS进程，同时，某一个Region Server出现热点，压力过大，资源消耗过度，也许会引起同机其他进程的不良，在一定程度上，牺牲了稳定性和可靠性。 增加单个RS进程的堆内存，MemStore在一定程度上会被分配更充裕的内存空间，减小了flush的频次，势必会削弱写入的压力，但也可能会增加GC的负担，我们或许需要调整出合适的GC参数，甚至需要调优HBase本身的一些核心参数，才能兼顾稳定和性能。然而，这就又是一件漫长而繁琐的事情了，在此不过分探讨。 面对性能瓶颈的出现，我们不能盲目地扩充机器，在应急方案采取之后，我们需要做一些额外的、大量的优化工作，这或许才是上上之策。

我理解的是你希望了解mysql性能测试的方法：其实常用的一般：选取最适用的字段属性 MySQL可以很好的支持大数据量的存取，但是一般说来，数据库中的表越小，在它上面执行的查询也就会越快。因此，在创建表的时候，为了获得更好的性能，我们可以将表中字段的宽度设得尽可能小。例如，在定义邮政编码这个字段时，如果将其设置为CHAR(255),显然给数据库增加了不必要的空间，甚至使用VARCHAR这种类型也是多余的，因为CHAR(6)就可以很好的完成任务了。同样的，如果可以的话，我们应该使用MEDIUMINT而不是BIGIN来定义整型字段。 另外一个提高效率的方法是在可能的情况下，应该尽量把字段设置为NOT NULL，这样在将来执行查询的时候，数据库不用去比较NULL值。 对于某些文本字段，例如“省份”或者“性别”，我们可以将它们定义为ENUM类型。因为在MySQL中，ENUM类型被当作数值型数据来处理，而数值型数据被处理起来的速度要比文本类型快得多。这样，我们又可以提高数据库的性能。 2、使用连接（JOIN）来代替子查询(Sub-Queries) MySQL从4.1开始支持SQL的子查询。这个技术可以使用SELECT语句来创建一个单列的查询结果，然后把这个结果作为过滤条件用在另一个查询中。例如，我们要将客户基本信息表中没有任何订单的客户删除掉，就可以利用子查询先从销售信息表中将所有发出订单的客户ID取出来，然后将结果传递给主查询，如下所示： DELETE FROM customerinfo WHERE CustomerID NOT in (SELECT CustomerID FROM salesinfo ) 使用子查询可以一次性的完成很多逻辑上需要多个步骤才能完成的SQL操作，同时也可以避免事务或者表锁死，并且写起来也很容易。但是，有些情况下，子查询可以被更有效率的连接（JOIN）.. 替代。例如，假设我们要将所有没有订单记录的用户取出来，可以用下面这个查询完成： SELECT * FROM customerinfo WHERE CustomerID NOT in (SELECT CustomerID FROM salesinfo ) 如果使用连接（JOIN）.. 来完成这个查询工作，速度将会快很多。尤其是当salesinfo表中对CustomerID建有索引的话，性能将会更好，查询如下： SELECT * FROM customerinfo LEFT JOIN salesinfoON customerinfo.CustomerID=salesinfo. CustomerID WHERE salesinfo.CustomerID IS NULL 连接（JOIN）.. 之所以更有效率一些，是因为 MySQL不需要在内存中创建临时表来完成这个逻辑上的需要两个步骤的查询工作。 3、使用联合(UNION)来代替手动创建的临时表 MySQL 从 4.0 的版本开始支持 UNION 查询，它可以把需要使用临时表的两条或更多的 SELECT 查询合并的一个查询中。在客户端的查询会话结束的时候，临时表会被自动删除，从而保证数据库整齐、高效。使用 UNION 来创建查询的时候，我们只需要用 UNION作为关键字把多个 SELECT 语句连接起来就可以了，要注意的是所有 SELECT 语句中的字段数目要想同。下面的例子就演示了一个使用 UNION的查询。 SELECT Name, Phone FROM client UNION SELECT Name, BirthDate FROM author UNION SELECT Name, Supplier FROM product 4、事务 尽管我们可以使用子查询（Sub-Queries）、连接（JOIN）和联合（UNION）来创建各种各样的查询，但不是所有的数据库操作都可以只用一条或少数几条SQL语句就可以完成的。更多的时候是需要用到一系列的语句来完成某种工作。但是在这种情况下，当这个语句块中的某一条语句运行出错的时候，整个语句块的操作就会变得不确定起来。设想一下，要把某个数据同时插入两个相关联的表中，可能会出现这样的情况：第一个表中成功更新后，数据库突然出现意外状况，造成第二个表中的操作没有完成，这样，就会造成数据的不完整，甚至会破坏数据库中的数据。要避免这种情况，就应该使用事务，它的作用是：要么语句块中每条语句都操作成功，要么都失败。换句话说，就是可以保持数据库中数据的一致性和完整性。事物以BEGIN 关键字开始，COMMIT关键字结束。在这之间的一条SQL操作失败，那么，ROLLBACK命令就可以把数据库恢复到BEGIN开始之前的状态。 BEGIN; INSERT INTO salesinfo SET CustomerID=14; UPDATE inventory SET Quantity=11 WHERE item="book"; COMMIT; 事务的另一个重要作用是当多个用户同时使用相同的数据源时，它可以利用锁定数据库的方法来为用户提供一种安全的访问方式，这样可以保证用户的操作不被其它的用户所干扰。 5、锁定表 尽管事务是维护数据库完整性的一个非常好的方法，但却因为它的独占性，有时会影响数据库的性能，尤其是在很大的应用系统中。由于在事务执行的过程中，数据库将会被锁定，因此其它的用户请求只能暂时等待直到该事务结束。如果一个数据库系统只有少数几个用户 来使用，事务造成的影响不会成为一个太大的问题；但假设有成千上万的用户同时访问一个数据库系统，例如访问一个电子商务网站，就会产生比较严重的响应延迟。 其实，有些情况下我们可以通过锁定表的方法来获得更好的性能。下面的例子就用锁定表的方法来完成前面一个例子中事务的功能。 LOCK TABLE inventory WRITE SELECT Quantity FROM inventory WHEREItem="book"; ... UPDATE inventory SET Quantity=11 WHEREItem="book"; UNLOCK TABLES 这里，我们用一个 SELECT 语句取出初始数据，通过一些计算，用 UPDATE 语句将新值更新到表中。包含有 WRITE 关键字的 LOCK TABLE 语句可以保证在 UNLOCK TABLES 命令被执行之前，不会有其它的访问来对 inventory 进行插入、更新或者删除的操作。 6、使用外键 锁定表的方法可以维护数据的完整性，但是它却不能保证数据的关联性。这个时候我们就可以使用外键。例如，外键可以保证每一条销售记录都指向某一个存在的客户。在这里，外键可以把customerinfo 表中的CustomerID映射到salesinfo表中CustomerID，任何一条没有合法CustomerID的记录都不会被更新或插入到salesinfo中。 CREATE TABLE customerinfo ( CustomerID INT NOT NULL , PRIMARY KEY ( CustomerID ) ) TYPE = INNODB; CREATE TABLE salesinfo ( SalesID INT NOT NULL, CustomerID INT NOT NULL, PRIMARY KEY(CustomerID, SalesID), FOREIGN KEY (CustomerID) REFERENCES customerinfo (CustomerID) ON DELETECASCADE ) TYPE = INNODB; 注意例子中的参数“ON DELETE CASCADE”。该参数保证当 customerinfo 表中的一条客户记录被删除的时候，salesinfo 表中所有与该客户相关的记录也会被自动删除。如果要在 MySQL 中使用外键，一定要记住在创建表的时候将表的类型定义为事务安全表 InnoDB类型。该类型不是 MySQL 表的默认类型。定义的方法是在 CREATE TABLE 语句中加上 TYPE=INNODB。如例中所示。 7、使用索引 索引是提高数据库性能的常用方法，它可以令数据库服务器以比没有索引快得多的速度检索特定的行，尤其是在查询语句当中包含有MAX(), MIN()和ORDERBY这些命令的时候，性能提高更为明显。那该对哪些字段建立索引呢？一般说来，索引应建立在那些将用于JOIN, WHERE判断和ORDER BY排序的字段上。尽量不要对数据库中某个含有大量重复的值的字段建立索引。对于一个ENUM类型的字段来说，出现大量重复值是很有可能的情况，例如customerinfo中的“province”.. 字段，在这样的字段上建立索引将不会有什么帮助；相反，还有可能降低数据库的性能。我们在创建表的时候可以同时创建合适的索引，也可以使用ALTER TABLE或CREATE INDEX在以后创建索引。此外，MySQL 从版本3.23.23开始支持全文索引和搜索。全文索引在MySQL 中是一个FULLTEXT类型索引，但仅能用于MyISAM 类型的表。对于一个大的数据库，将数据装载到一个没有FULLTEXT索引的表中，然后再使用ALTER TABLE或CREATE INDEX创建索引，将是非常快的。但如果将数据装载到一个已经有FULLTEXT索引的表中，执行过程将会非常慢。 8、优化的查询语句 绝大多数情况下，使用索引可以提高查询的速度，但如果SQL语句使用不恰当的话，索引将无法发挥它应有的作用。下面是应该注意的几个方面。首先，最好是在相同类型的字段间进行比较的操作。在MySQL 3.23版之前，这甚至是一个必须的条件。例如不能将一个建有索引的INT字段和BIGINT字段进行比较；但是作为特殊的情况，在CHAR类型的字段和VARCHAR类型字段的字段大小相同的时候，可以将它们进行比较。其次，在建有索引的字段上尽量不要使用函数进行操作。 例如，在一个DATE类型的字段上使用YEAE()函数时，将会使索引不能发挥应有的作用。所以，下面的两个查询虽然返回的结果一样，但后者要比前者快得多。 SELECT * FROM order WHERE YEAR(OrderDate)<2001; SELECT * FROM order WHERE OrderDate<"2001-01-01"; 同样的情形也会发生在对数值型字段进行计算的时候： SELECT * FROM inventory WHERE Amount/7<24; SELECT * FROM inventory WHERE Amount<24*7; 上面的两个查询也是返回相同的结果，但后面的查询将比前面的一个快很多。第三，在搜索字符型字段时，我们有时会使用 LIKE 关键字和通配符，这种做法虽然简单，但却也是以牺牲系统性能为代价的。例如下面的查询将会比较表中的每一条记录。 SELECT * FROM books WHERE name like "MySQL%" 但是如果换用下面的查询，返回的结果一样，但速度就要快上很多： SELECT * FROM books WHERE name>="MySQL"and name<"MySQM" 最后，应该注意避免在查询中让MySQL进行自动类型转换，因为转换过程也会使索引变得不起作用。

iPerf3是用于主动测试IP网络上最大可用带宽的工具。它支持时序、缓冲区、协议（TCP，UDP，SCTP与IPv4和IPv6）有关的各种参数。对于每次测试，它都会详细的带宽报告，延迟抖动和数据包丢失。 它与原始 iPerf 不共享任何代码，也不向后兼容。 它是一个C/S架构的测试工具，需要在同时运行在服务器端和客户端。 支持的平台：Windows, Linux, Android, MacOS X, FreeBSD, OpenBSD, iPhone/iPad等 执行， iperf3 -h ，可以查看所有的命令信息 以下是中文信息， iPerf 3.1.2 支持的所有参数： linux安装：yum install -y iperf3 或者 官网下载离线安装包 windows安装：官网直接下载安装包，下载完成后解压，使用时进入cmd终端，cd到解压路径，可以找到 iperf3.exe 程序即可正常使用 Android/iPhone/iPad：官网下载 或者 应用商店下载 上图为简单举例。拓扑图根据测试需求的实际网络结构需要调整。server可以配置在内网，也可以配置在外网。 运行iperf3在服务器端，默认端口号为5201 运行iperf3在服务器端，如果需要指定的端口号加上-p port 例：iperf3 -s -p 8888 运行iperf3在客户端，开始带宽测试 例：iperf3 -c 192.168.1.1 运行iperf3在客户端，设置多个并行数据流-P 例：iperf3 -c 192.168.1.1 -P 3 运行iperf3在客户端，反向测试（服务器端发送数据到客户端） 例：iperf3 -c 192.168.1.1 -R 运行iperf3在客户端，使用UDP协议，并设置使用的测试带宽 iperf3 -c serverIP -b 1000M -t 60 -d -c 为客户端运行并要指定服务端的IP地址 -b 表示使用的测试带宽 -t 表示以时间为测试结束条件进行测试，默认为 10 秒; -d 打印出更详细的debug调试信息 例：iperf3 -c 192.168.1.1 -b 1000M -t 60 -d Interval：程序的运行时间 Transfer：传输的数据总量 Bandwidth：测试出的带宽 Jitter：网路抖动 Lost/Total Datagrams：丢包数/总数据包数（丢包率） 终止或者退出测试，快捷键Ctrl + c

正常。iPhone12是苹果公司于美国西部时间2020年10月13日上午10点在ApplePark总部园区发布的手机产品。因此手机的鲁大师测试分数正常范围是：15-20万分，所以15万分属于是正常范围内。该款手机无论是功能还是品质方面都是非常不错的。

　　阻燃防护服装是士兵在火灾及热辐射条件下，保持部队生存力和战斗力最基本的单兵防护装备，长期以来，我国主要采用纺织品垂直燃烧试验法和限氧指数法测试评价服装的阻燃防护性能。这两种方法都只能说明服装面料是否阻燃，不能说明服装对火焰或电弧产生的高温、高热的抵抗能力。 　　美国、加拿大、英国等发达国家已有被公认为是最先进的服装阻燃防护性能测试的定量评价技术。 　　总后军需装备研究所2006年在国内率先开始此项技术研究，建立了“单兵装备阻燃防护性能测试实验室”，为阻燃材料研发、服装及装具的结构款式设计以及装备的整体阻燃防护性能评价提供技术支撑。 　　1系统构成及设计原理 　　该系统主要由燃烧假人、数据采集装置、火焰产生与控制装置、皮肤热传递模型与烧伤评估模型以及系统集中控制与应用软件平台等构成。设计原理是通过模拟着装人体在燃烧火焰中的热暴露过程，测试假人表面温度的变化，预估可能造成皮肤的二度、三度烧伤及总烧伤面积百分比，烧伤面积百分比越大，服装的阻燃防护性能越差，系统的测试原理。 　　2燃烧假人研究 　　检索国内外相关资料，采用非金属材料制作燃烧假人本体，服装测试时火焰的持续时间一般为 4 s，假人表面可能需要承受高达 300 ℃的燃烧火焰，因此，假人本体材料必须在 300 ℃以上的短时燃烧火焰下具有良好的热稳定性，能耐受恶劣火场环境；假人表面布设的传感器对燃烧火焰的反应，应与人体皮肤对燃烧火焰的反应接近；数据采集处理装置能快速采集假人表面传感器数据。 　　2.1假人本体 　　根据以上设计要求，通过对比分析耐高温材料的物理性能，选用目前耐温等级最高，力学性能、介电性能、耐腐性能最好的聚酰亚胺作为燃烧假人本体主体材料，根据假人模型的外观特征，按以下工艺制造假人本体模型：合成聚酰亚胺 → 固化树脂材料 → 制作人体各解剖段模具及高温模压 → 真空固化 → 表面处理。 　　2.2假人表面热传感器 　　假人皮肤表面热传感器的作用是感知暴露在火场环境下人体皮肤的受热程度，依此预测皮肤可能产生的烧伤程度。国外采用的热传感器主要有TPP铜片热流计传感器、绝热铜片传感器和嵌入式热电偶传感器。这 3 种传感器中，绝热铜片传感器是最可靠的热传感器。实验表明：绝热铜片传感器与TPP铜片热流计传感器相似，读数稳定、反应迅速、量程宽、重复性好，同时传感器体积较TPP传感器小，所占空间和质量都比TPP铜片热流计小得多。在高热环境下，嵌入式热电偶传感器的平均反应速度比绝热铜片传感器要慢。为此，课题组研制了绝热铜片传感器，该铜片的直径为 1 cm，厚为 0.16 cm。采用钎焊工艺，将铜片与丝径为0.2 mm 的K型热电偶连接，测量精度达到了 0.2 ℃。 　　2.3传感器布设 　　综合考虑假人面积、数据采集、烧伤评估计算等因素，在假人表面均匀布设了 120 个绝热铜片传感器。安装传感器时，用铣刀按铜片直径与深度钻孔，保证传感器表面及周围与假人本体紧密配合，传感器的分布均匀。 　　3数据采集装置研究 　　数据采集装置主要完成假人表面 120 个热电偶温度信号的采集处理。为保证 120 路温度信号的同步和高速采集，设计 20 个数据采集处理单元，每个数据采集处理单元由主控CPU、AD采集电路、实时时钟电路、电源电路、热电偶温度传感器以及CAN总线通讯部分组成，实现 6 路假人表面温度信号的同步采集；采用CAN总线通讯技术，将 20 块数据采集处理板连接起来，由PC机通过PCI1680U高速CAN通讯卡向 20 个数据采集处理单元下达采集参数和启动采集命令，实现 120 路假人表面温度信号的同步高速采集。 　　4火焰产生与控制装置研究 　　火焰产生与控制装置主要产生服装阻燃防护性能测试要求的燃烧火焰。包括燃料的选用、燃气输送管道设计和燃烧器等 3 个部分。 　　4.1燃料的选用 　　对比分析常用洁净、可燃气体理化特性，丙烷来源广泛，燃烧后形成水蒸汽和二氧化碳，是一种环保燃料，且其燃烧热值高，沸点较低，安全性好，较适合在较冷的北方实验室使用，因此测试系统的燃料选定为丙烷。 　　4.2燃气输送管道设计 　　燃气输送管道主要用于将存储钢瓶中的丙烷液体减压气化后输送至燃烧器。根据国外同类技术要求，火焰产生与控制装置必须在 5 s燃烧时间内燃气输送管道压力波动小于10%，最大热流量为 84 kW/m2，要达到此设计要求，仅采用自控技术是很难实现的，因此，采用多缓冲罐组设计，并在燃气输送管道的设计上采取多重措施，配合管道压力与流量监测，使燃气输送管道具备快速补充能力和足够的燃气输送能力。 　　通常丙烷储气罐压力为 0.5 ～ 2.5 MPa，为保证安全，燃烧器前气体压力设定为 0.1 MPa左右，因此，需要在燃气输送过程逐级降压。为此，设计三级压力调节及两级大容量储气罐缓冲回路，三级燃气输送管道工作压力分别设定为0.6 MPa、0.3 MPa和 0.1 MPa。 　　在三级燃气输送管道上均配有压力变送器、电动调节阀、安全阀、电磁阀和截止阀，实现对管道气体压力的监测、调节和开关控制。在第三级管道上配有流量计对燃烧过程中燃气流量进行计量，在与燃烧器连接的管道上配有安全止回阀，防止关断火焰时产生回火。 　　4.3燃烧器设计 　　设计了 12 个环喷火燃烧器，用于生成最大热流量为 84 kW/m2的燃烧火焰，试验时 12 个环喷火燃烧器同时被点燃，火焰从假人四周生成高热流量的燃烧火柱吞噬假人本体。同时研制了环喷火燃烧器固定装置，通过调节燃烧器高度及与假人的距离，实现火焰大小、形状和强度的调节。 　　5应用软件开发 　　应用软件平台是整个系统的神经中枢，主要由数据采集模块、监测与控制模块、矩阵运算模块、烧伤预测分析处理模块和系统资源管理模块构成，实现 120 路假人温度信号的采集处理、燃烧过程和所有仪器设备的监测与控制、计算皮肤烧伤程度Ω值、二度烧伤面积百分比、三度烧伤面积百分比和总烧伤面积百分比，评估服装的整体阻燃防护性能。应用软件平台的组成框架。 　　6服装阻燃防护性能测试 　　用本系统对某研究所研发的纯棉、芳纶/碳纤维混纺、腈氯纶/棉混纺的阻燃工作服、防水阻燃服、三层复膜耐高温防火服以及单层连体式防火服的阻燃防护性能进行了定量测试和比较分析，在 84 kW/m2的燃烧火焰下，进行 4 s的服装阻燃防护性能测试，测试结果。从表 1 可知，平方米重为 416 g/m2的纯棉阻燃工作服的阻燃防护性能与平方米重为 319 g/m2的腈/氯纶/棉混纺的防水阻燃服的阻燃防护性能相当，三层复膜耐高温防火服的阻燃防护性能好于相同面料的单层结构连体式防火服。尽管芳纶面料的阻燃防护性能非常好，但面料较薄时，服装阻燃防护性能还是比较厚的纯棉和腈/氯纶/棉混纺服装的阻燃防护性能差。以上测试试验表明，本系统能较好地测试评价不同材料和结构服装的阻燃防护性能。 　　参考文献 　　[1] 谌玉红，陈强，蒋毅. 燃烧假人测试系统及其引用前景[J]. 中国个体防 　　护装备，2007（1）：40 － 46. 　　[2] 穆克强，谌玉红，杨春信. 燃烧假人测试系统传热模型的数值解法[J]. 　　消防科学与技术，2009（9）：634 － 636. 　　[3] ASTM F1930，Standard Test Method for Evaluation of Flame 　　Resistant Clothing for Protection Against Flash Fire Simulations Using an Instrumented Manikin [S]. 2000. 　　[4] Jing Liu，Xu Chen, Lisa X Xu. New Thermal Wave Aspects on 　　Burn Evaluation of Skin Subjected to Instantaneous Heating[J]. IEEE Transactions on Biomedical Engineering，1999（4）. 　　[5] Guowen Song，Modeling Thermal Protection Outfits for Fire 　　Exposures[D]. Can：North Carolina State University，2002. 　　

毫无疑问，要在上线前测试，如果按照标准的软件生产流程，在软件出厂测试（FAT）结束，进入用户验收测试（UAT）前就应该就应该有必要的性能测试，然后在UAT进行的同时进行全面的性能测试。我所在的公司目前就是这种做法，至于数据准备多少要根据目前生产环境上的数据加上一定的预测值得到，结构师要在客户数据的基准上进行分析预测，准备性能测试的基础数据。

导读：书接上回，相信大家都会对馈电状态下的Ve LITE （ 查成交价 | 车型详解 ）5产生质疑，不过当我们测出了馈电状态下百公里实际油耗仅需5.86L时，“插混车没电不如汽油车”这个念头便被打消了。 亏电状态驾乘体验 VELITE 5 拥有最高398Nm的扭矩，满电时动力表现一流，那它在“没电”状态下动力会大打折扣吗？ 好不容易才把纯电续航 里程 “清零”，一脚油门下去，我们惊讶地发现VELITE 5的动力表现居然没有区别！初段加速依然是那种线性又有底气的电动车输出，只不过发动机的介入会更频繁，毕竟“没电了”。 VELITE 5当然不会让电池处于真正亏电状态，即便仪表显示电量为0时，蓄电池内依然保有15%左右的余量以保证车辆正常的动力水平。 许多同级车型中，电池电量的多少会决定动力输出体验，而让我满意的是，VELITE 5并没有这种烦恼。 试驾体验的感觉没有区别，那么真实数据会是怎样呢？ 亏电状态性能 测试 亏电状态 0-100km/h加速测试 松开刹车踏板的瞬间，全油门时的爆发力与满电状态测试时相同，全程动力相当线性，后程略有衰减。最终 8.13秒 的百公里加速成绩与满电状态基本保持一致。 100-0km/h制动测试 身材虽小，但也难掩电池带来的额外体重，VELITE 5在全力刹车时，点头现象还是比较明显的。 长测小结： VELITE 5是一台比较独特的新能源汽车，造型大胆，内饰讲究。几天相处下来非常满意的是其动力表现，无论是否有足够的电量，动力表现依然能维持在高水准。而此前的真实油耗测试也表明，VELITE 5上的“插混技术”绝非鸡肋，就算完全不“插电”，油耗也有这不错的表现。最让我意外的是其极佳的行驶质感，开起来真不像是台小车，虽然舒适的底盘不太适合激烈驾驶，但在相处的95%的时间内都能让你满意何乐而不为呢？ @2019

lr

性能测试是通过自动化的测试工具模拟多种正常、峰值以及异常负载条件来对系统的各项性能指标进行测试。负载测试和压力测试都属于性能测试，两者可以结合进行。负载测试，通过测试系统在资源超负荷情况下的表现，以发现设计上的错误或验证系统的负载能力。在这种测试中，将使测试对象承担不同的工作量，以评测和评估测试对象在不同工作量条件下的性能行为，以及持续正常运行的能力。负载测试的目标是确定并确保系统在超出最大预期工作量的情况下仍能正常运行。压力测试，也称为强度测试、负载测试。压力测试是模拟实际应用的软硬件环境及用户使用过程的系统负荷，长时间或超大负荷地运行测试软件，来测试被测系统的性能、可靠性、稳定性等。

给你介绍一下：性能测试:收集所有和测试有关的所有性能，通常被不同人在不同场合下进行使用。负载测试:是一种性能测试，指数据在超负荷环境中运行，程序是否能够承担。压力测试:是在一定的负荷条件下，长时间连续运行系统给系统性能造成的影响。

以下是网上零散的资料，我对他们进行了整理。性能测试（或称多用户并发性能测试）、负载测试、强度测试、容量测试是性能测试领域里的几个方面，但是概念很容易混淆。下面将几个概念进行介绍。性能测试（performancetest）：通常收集所有和测试有关的所有性能，通常被不同人在不同场合下进行使用。关注点：howmuch和howfast负载测试（loadtest）：负载测试是一种性能测试，指数据在超负荷环境中运行，程序是否能够承担。关注点：howmuch强度测试（stresstest）：强度测试是一种性能测试，他在系统资源特别低的情况下软件系统运行情况，目的是找到系统在哪里失效以及如何失效的地方。包括spiketesting：短时间的极端负载测试extremetesting：在过量用户下的负载测试hammertesting：连续执行所有能做的操作容量测试(volumetest)：确定系统可处理同时在线的最大用户数关注点：howmuch（而不是howfast）容量测试，通常和数据库有关，容量和负载的区别在于：容量关注的是大容量，而不需要表现实际的使用。其中，容量测试、负载测试、强度测试的英文解释为：volumetesting=largeamountsofdataloadtesting=largeamountofusersstresstesting=toomanyusers,toomuchdata,toolittletimeandtoolittleroom可能大家角色性能测试、负载测试和强度测试比较混淆。没错，这三个概念是比较容易使人糊涂。负载测试和强度测试，都属于性能测试的子集。下面举个跑步的例子进行解释。性能测试，表示在一个给定的基准下，能执行的最好情况。例如，在没有负重的情况下，你跑100米需要花多少时间（这边，没有负重是基准）？负载测试，也是性能测试，但是他是在不同的负载下的。对于刚才那个例子，如果扩展为：在50公斤、100公斤……等情况下，你跑100米需要花多少时间？强度测试，是在强度情况下的性能测试。对于刚才那个例子，如果改为：在一阵强风的情况下，你在负重或没有负重的情况下，跑100米需要花多少时间？

性能测试（或称多用户并发性能测试）、负载测试、强度测试、容量测试是性能测试领域里的几个方面，但是概念很容易混淆。下面将几个概念进行介绍。性能测试（PerformanceTest）：通常收集所有和测试有关的所有性能，通常被不同人在不同场合下进行使用。关注点：howmuch和howfast负载测试（LoadTest）：负载测试是一种性能测试，指数据在超负荷环境中运行，程序是否能够承担。关注点：howmuch??Spiketesting：短时间的极端负载测试??Extremetesting：在过量用户下的负载测试??Hammertesting：连续执行所有能做的操作容量测试(VolumeTest)：确定系统可处理同时在线的最大用户数关注点：howmuch（而不是howfast）容量测试，通常和数据库有关，容量和负载的区别在于：容量关注的是大容量，而不需要表现实际的使用。其中，容量测试、负载测试、强度测试的英文解释为：VolumeTesting=LargeamountsofdataLoadTesting=Largeamountofusers可能大家角色性能测试、负载测试和强度测试比较混淆。没错，这三个概念是比较容易使人糊涂。负载测试和强度测试，都属于性能测试的子集。下面举个跑步的例子进行解释。

性能测试的目的---1） 评估系统的能力----测试中得到的负荷和响应时间数据可被用于验证所计划的模型的能力，并帮助作出决策。2） 识别体系中的弱点----受控的负荷被增加到一个极端水平，并突破它，从而修复体系的瓶颈或薄弱的地方。3） 系统调优---重复运行测试，验证调整系统的活动得到了预期的结果，从而改进性能。检测软件中的问题，长时间的测试执行可导致程序发生由于内存泄漏引起的失败，揭示程序中的隐含问题或冲突。4） 验证稳定性，可靠性---在一个生产负荷下执行测试一定的时间是评估系统稳定性和可靠性是否满足要求的唯一方法。关注点：how much 做好性能测试工作的关键是强度测试（Stress Test）： 强度测试

给你介绍一下：性能测试:收集所有和测试有关的所有性能，通常被不同人在不同场合下进行使用。负载测试:是一种性能测试，指数据在超负荷环境中运行，程序是否能够承担。压力测试:是在一定的负荷条件下，长时间连续运行系统给系统性能造成的影响。

性能测试（或称多用户并发性能测试）、负载测试、强度测试、容量测试是性能测试领域里的几个方面，但是概念很容易混淆。下面将几个概念进行介绍。性能测试（performancetest）：通常收集所有和测试有关的所有性能，通常被不同人在不同场合下进行使用。关注点：howmuch和howfast负载测试（loadtest）：负载测试是一种性能测试，指数据在超负荷环境中运行，程序是否能够承担。关注点：howmuch强度测试（stresstest）：强度测试是一种性能测试，他在系统资源特别低的情况下软件系统运行情况，目的是找到系统在哪里失效以及如何失效的地方。包括spiketesting：短时间的极端负载测试extremetesting：在过量用户下的负载测试hammertesting：连续执行所有能做的操作容量测试(volumetest)：确定系统可处理同时在线的最大用户数关注点：howmuch（而不是howfast）容量测试，通常和数据库有关，容量和负载的区别在于：容量关注的是大容量，而不需要表现实际的使用。其中，容量测试、负载测试、强度测试的英文解释为：volumetesting=largeamountsofdataloadtesting=largeamountofusersstresstesting=toomanyusers,toomuchdata,toolittletimeandtoolittleroom可能大家角色性能测试、负载测试和强度测试比较混淆。没错，这三个概念是比较容易使人糊涂。负载测试和强度测试，都属于性能测试的子集。下面举个跑步的例子进行解释。性能测试，表示在一个给定的基准下，能执行的最好情况。例如，在没有负重的情况下，你跑100米需要花多少时间（这边，没有负重是基准）？负载测试，也是性能测试，但是他是在不同的负载下的。对于刚才那个例子，如果扩展为：在50公斤、100公斤……等情况下，你跑100米需要花多少时间？强度测试，是在强度情况下的性能测试。对于刚才那个例子，如果改为：在一阵强风的情况下，你在负重或没有负重的情况下，跑100米需要花多少时间？

本文整理来自pro Apache jmter web application和Wikipedia 在一定的负载条件下，评估系统或应用的响应时间，吞吐量等相关指标 功能测试通过之后 对系统进行性能评估，并通过测试发现系统瓶颈，分析定位瓶颈发生的原因，协助开发修复性能问题，提高系统的处理能力。对比不同的系统，确认更好的系统。 主要指标： 响应时间、吞吐量、资源利用率。 The time taken by the application to respond to the user"s request is called the response time.Every application should strive to minimize the response time 应用程序响应用户请求所需的时间称之为--响应时间。响应时间越小越好 对于常见的B/S结构的响应时间，如下图： 从用户发起请求，到服务完全完成响应的时间。 用户感知时间，有点预加载的意思。即本来一个页面全部信息同时返回，现在改成优先加载一部分内容 服务器处理时间。服务器处理请求并响应的这段时间。与请求的复杂性、系统的硬件及系统服负载有关。 吞吐量：单位时间内处理的事务个数。通常由transactions/second 或 bandwidth (bytes/second)来衡量。吞吐量越大越好。 服务器资源利用率，不应该超过80%的利用率。利用率越低越好。 Scalability measures how well the system can expand its capacity when additional resources are added.Ideally the system capacity will increase linearly as additional resources are added. However, this is rarely achieved in practice. It"s a good measure to know the resources that would be needed so that the system can handle the projected future load.Vertical scalability is achieved by upgrading the hardware. For example, by adding more memory, disk, a better CPU, or additional CPUs.Horizontal scalability is achieved by adding servers to the cluster. For example, by adding more web servers and application servers to a webfarm/cluster. 主要有压力测试，负载测试，配置测试等 压力测试是应用程序处于超出负荷状态下长时间运行，以测试服务器的稳定性和性能表现。 A load test is a kind of performance test that"s performed at the specified load level. So ideally, we would like to perform load tests at varying load levels to note the behavior of the application. 在一定的负载条件下，测试应用程序的性能表现。通过不同的负载程度（load levels）,观察应用程序的性能表现来得到最大的用户数，响应时间以及资源利用率等指标。 A peak load test is performed at the load that the application is expected to handle. For example, e-commerce web sites experience their peak traffic during Black Friday, Cyber Monday, and the Christmas holidays. So a peak load test in this case would test the application within the load specification but at the higher end. Note stress tests test beyond the peak load. In a soak test (also called an endurance test), the application is subjected to a specified load that is within the specified limit but for a long duration. It is performed for many hours at a time. This test determines if the application is properly reusing its resources. This test will surface problems like the following: Successful web applications experience massive and sometimes exponential growth. So it is wise to measure how the application scales. Scalability is defined as how well the application handles the increase in load while still meeting the desired performance criteria. A scalability test would increase the resources and test whether or not the application is providing a corresponding increase in capacity. Ideally, we expect linear scalability (i.e., doubling the hardware resources should result in double the application capacity). A capacity test is a load test that establishes the maximum load that the application can handle while meeting the desired performance criteria. The resulting metric is called the maximum capacity. It is used in scaling the application and to estimate costs for future growth. A spike test is a load test where the application is subjected to brief periods of sudden increment in load, a small fraction beyond the maximum capacity. It is usually done to estimate the weakness/strength of an application. The application is expected to be robust and continue to meet the performance criteria during the spike. This metric is called the burst capacity. In a performance smoke test, a few common and essential use-cases along with use-cases pertaining to the code subject to change are together tested for performance. It is only when the smoke test succeeds that the full suite of performance tests are conducted. If the smoke test fails, no further performance tests areconducted until the performance defect has been rectified. Modern web application infrastructure is designed to be highly available and resilient to hardware and software failures. Ideally, the architecture should ensure that there is no single point of failure and that there are standby servers that can transparently take over without impacting the user experience. In this test various equipment and software failures are simulated and relevant performance tests are run to verify that the application is still meeting the performance criteria. Rather than testing for performance from a load perspective, tests are created to determine the effects of configuration changes to the system"s components on the system"s performance and behaviour. A common example would be experimenting with different methods of load-balancing

sirot/netperf-latest 镜像，包含netperf/iperf工具 以上只是对 k8s集群pod网络的基准测试 1.【山外笔记-工具框架】Netperf网络性能测试工具详解教程 https://www.cnblogs.com/davidesun/p/12726006.html 2.【网络性能测试方法 】 https://help.aliyun.com/knowledge_detail/55757.html#HFXbx