感谢表扬

写细点其实也是在帮助自己，时间久了估计我自己也忘，写一下加深记忆，也方便以后找。我现在回看都很佩服 15 年的自己，能写那么多文章记录，有的知识点我现在不看文章都没不大记得了。

之前也是临时受命做类似的事情，不过我当时是音频直播，分享下我当时的做法：

1、梳理直播流程，包括 app 有哪些操作，这些操作背后调用什么接口，调用参数是什么，梳理出一个大致的时序图。主要梳理进直播间这部分的。

2、通过梳理了解到 app 背后会涉及两类系统，一类是业务的服务端，负责类似进房人数统计、房间号是否存在这类基本逻辑。一类是音频组件，包括音频的推拉流、消息通讯（类似公屏显示 xxx 进入房间这些广播消息）。这两个系统背后是两个技术团队

3、普通服务端的就按照普通服务端的方式做就好，比如按照预期的进房速率，算出大概的接口调用量之类的，以及了解下背后的大致系统架构，对可能会是瓶颈的中间件加监控啥的。

4、音频组件的要了解背后的架构（比如主播的推流到听众的拉流，整体是怎么走的，哪些部分用了自己的东西，哪些部分用了第三方），评估瓶颈点，再针对性测试。推拉流虽然没有类似 jmeter 这类开源的压测工具，但如果用第三方组件一般也有提供对应的工具，或者问开发用啥工具（比如 ffmpeg）测试推拉流的，自己用命令行通过循环之类的手段起多个。

5、根据前两步确定了测试方案（有哪些场景，场景里压什么接口、比例如何、要求的 TPS 和响应时间大概多少、关键系统资源消耗要求不能高于多少），找开发和产品一起做一次评审，大家确认是否 OK。OK 就开干了。

我们内部已经进行了沟通，下次类似情况，会改为使用 屏蔽 功能，屏蔽时填写屏蔽原因，便于发帖的同学了解原因。

匿名区由于没有记录作者账号信息，所以无法自动通知，请见谅。

查了下后台，是被删除了。查了下内容，主要是正文太简单了，没有前因后果，突然来这么一句，很突兀。

这种场景下，就要考虑实际业务中，不同业务的实际请求比例（有条件可以线上直接通过日志分析等手段来做，未上线的话只能靠对业务逻辑的了解和与项目成员沟通推导了），然后在压测的时候，按照基本一致的比例来分配压力。这样测出来的 TPS 和响应时间，是具备参考意义。

TPS 有意义，说明以目前的配置，你的系统实际能承受的性能水平就是这个水平了。没意义的是，你 TPS 已经没变化了，继续增大压力持续 1 小时没意义，因为你系统早就满负荷了，当响应时间增加到你觉得正常用户不可承受的水平时，就可以停止增大压力了。

至于响应时间增大，很正常。一般情况下，当全部处理线程都处于满负荷状态时（有监控工具可以看到这个信息），就已经达到最大 TPS 了。类比一下，类似常见的柜台处理业务。一共就 5 个柜台（类比 5 个工作线程），不足 5 个顾客时，还有余量，但超过 5 个顾客时，柜台已经达到最大处理速度了（以现有资源没有可提升的余量），第六个就开始排队了，继续加也只是队伍变长，柜台的处理能力还是不变的。要优化速度，要不增加柜台（增加线程数或者其他限制了速度的资源阈值），要不让每个柜台处理业务的速度加快（优化逻辑）。

这些性能测试的基本概念，建议可以看下极客时间高楼老师的性能测试课程，里面讲得比较清晰。

看来背后有故事

好建议。已经记下来了，抽空改下这个文字。

平台有草稿功能，保存按钮的旁边就是草稿了。

内容是还有没补充的，还是这就是全部了？

你的意思是，mock 时截取的图片，在换为非 mock 时，数据会对不上，导致干扰？

如果是这种场景，两次都用一样的 mock 的数据给前端获取，不就解决了？

至于怎么让自己的前端走自己的 Mock 而非走默认的测试环境，可以用 proxy 做。在 proxy 里面设定固定的返回值，我理解应该就可以了。

getInteger() 和 getInteger() 两个方法都是 com.alibaba.fastjson.JSONObject 中的两个方法，功能类似，从一个 JSONObject 对象中获取到某个 key 的 value 值，区别在于 getInteger() 返回的是一个 integer 类型的对象，而 getInteger() 返回 int 值，属于基础数据类型。

这里的第二个 getInteger ，是不是写错了，应该是 getIntValue 吧？

精准测试的目的，应该是在减少测试内容的同时，也能有效保障改动引起的质量风险。

虽然目前各种原因还没有类似接口测试这么成熟的落地方案，但梦想总归要有的，不成熟不也等于有机会么。

是否可以把解决方案也在正文末尾附上，便于后人快速解决？

不客气。

这个也只是我个人观点，实际性能工具作者自己的思考，可能还得问作者本人才能知道了。我只知道在 Jmeter 或者 nginx 里面，每个请求结束后（包括超时或异常引起的结束），都会记录一条日志，带有响应码、响应时间、记录时时间戳等信息。所以基于这类工具做 TPS 统计，最方便的方式就是基于这个日志来统计了。

如果是担心过滤过度，有 2 种方法：
1、也分析.java 文件，看 .java 文件是否有这些方法。如果没有，说明是编译时生成的，可以忽略。
2、分析是否符合自动生成的 get set 方法命名方式（例如 get+ 大写开头的属性名），如果符合，也忽略。

不过，这部分就算带上，我理解也问题不大？因为一般都不会改到，而且从链路完整性角度，带上这些也更完整。

很不错呀，麻雀虽小，五脏俱全，点赞！

针对提出的几个问题，尝试回答一下：

我在处理的时候，发现我生成了大量的 getset 方法，怎么去对这些方法进行过滤？

不知道你这里的 get set 方法，是不是 mybatis 自动生成的 entity 实体类的对应方法？如果是，遍历类的 method 进行存储的时候，应该可以过滤。

对于通过反射实例化的类是不是就没有什么好的解决方法了？

有解决方法，但要通过运行时采集调用链。可以看下这个项目：https://github.com/lastwhispers/trace-spring-boot 。
但注意一个点，运行时的采集，意味着如果没运行到这个链路，就会采集不到。所以只能作为补充，不好保障齐全。

另外，有个点我看文中没有提到，采集了 Controller 和 mybatis 的代码后，两者是怎么进行关联的？正常中间应该还有一个 service 层来把两者关联起来的吧，我看文中没有提及？

PS：项目时间长，没有任何的接口文档，也没有人愿意编写 swagger 这个问题，其实不用写也可以的。swagger 也认识 spring 各种注解，能自动生成包含路径、request 参数、response 格式（前提是代码里用 dto 这类实体类来写 response，而不是往 map 里加）的接口文档，只是会少了些字段说明之类的信息罢了。

放这个位置纯粹是为了方便。setup.js 是总入口，不用担心不会加载到，而这段代码也不算复杂，所就直接写在这个位置了。

实际工程里使用，如果有更复杂的上报策略，建议抽离单独 js 文件出来吧。

这个问题看得有点一头雾水。。。这个场景是想测试啥，想测试多节点重启是否平滑，还是什么？

重复劳动倒不至于很多，还是会有些侧重点的。只是这个容易中空的地带两边都需要参与，不能成为只是其中一方，这样容易由于不熟悉和关注点不够全面，导致遗漏。

里面也有说，之所以保留工程师批准，只是因为如果出问题线上可能有较大影响，所以还是保留了人工二次确认。实际上准确度能提高到一定程度，加上自动的灰度校验，这道关卡就可以去掉了。

这个算是一个正向循环，bug 案例越多->自动化处理比例越高，准确度越高->人工介入程度越低。

不过这个 18 年提出的，后续也没见到有什么更新，不知道是不是已经夭折了。

可以跑，前提是：
1、你的 app 用到的所有包，包括第三方依赖，都支持模拟器（有的包只支持真机 arm 指令集，不支持模拟器 x86 的）
2、你的测试内容不需要用到真机才有的特性（如扫码之类的）

满足这两个前提，然后打包的时候设定好参数打模拟器用的包（特别强调下这个，ios 用的是 oc 或 swift ，直接编译成机器码的，不是 android 那种还有个 jvm 虚拟机，所以打包时就已经设定好了能运行在什么平台上了），剩下的基本把原来真机的替换为模拟器的就可以了。

问题 1 和问题 2，归根结底还是 TPS 的统计问题。即处理事务横跨多秒时，计数应该算到起始时间段还是完成时间段。

个人理解， TPS 一般是用完成时间来计算的，因为这样计算，性能消耗成本最低（只要在完成时加一个记录即可）。如果按开始时间，甚至按照持续时间拆分，那么每个请求还得额外消耗资源去存储和计算这些。我觉得，对性能工具来说，发起大压力才是它的最根本的职责。统计数据这些说实话，只是附属功能，交给其他外部监控程序做都完全没问题（nginx 日志就可以反映每秒请求数量和每个请求的处理耗时了），没必要为了统计准确那么一点点，增加那么多系统负载，进而导致无法发起更大的压力。

至于消耗的时间统计，这个是用响应时间这个指标来统计的，不是用 TPS 。一般看性能测试结果，响应时间和 TPS 都得看。TPS 反映的是系统性能是否已到达瓶颈（即在当前配置下都已经没法再快了），响应时间反映的是达到瓶颈后整体处理时间延长的情况（即给到每个用户体感，会慢多少）。

拉一个单独的集成团队，负责整体。或者改变测试团队的结构，类似产品，按业务分，而非按端分。

我们这边用的主要是第二种，不按端分测试团队，只按业务分。如果是有些需求涉及中台型的团队（如审核系统，一对 N，不归任何一个业务线），那集成部分这个团队的测试和业务团队都执行一遍，交叉验证。

建议你可以买本《不测的秘密：精准测试之路》看看。不知道算不算是业内做得最好的（毕竟大部分实际效果你没在公司内实际用，都不好说），但应该算目前公开资料里最全的了。