1、为什么要编写此文档
2、为什么要做混合场景压测
3、混合压测数据准备
3.1 数据分析
3.1.1 铺底数据
3.2 数据准备
3.2.1 铺底数据准备
3.2.2 测试数据准备
4、混合场景如何设计
4.1 混合压测业务占比分析
4.1.1 有生产历史数据的系统
4.1.2 没有生产历史数据
5、如何开展混合压测
6、结果分析
1、为什么要编写此文档
帮助大家快速了解如何开展混合场景压测任务
2、为什么要做混合场景压测
线下压力测试场景 需要模拟生产环境真实用户访问情况，多用户同时访问系统会调用系统各个接口，对各个系统产生并发压力；单个接口无法模拟多用户真实行为，所以需要根据用户行为进行数据建模，设计混合测试场景进行压测，从而保障系统性能稳定性。
从影响面考虑
（1） 用户量：线上环境为多用户访问，线下需要设计用户数据模型
（2） 请求接口量：线上多接口同时访问，线下需要考虑接口占比
（3） 耦合系统或组件：线上系统架构比较复杂，公共系统涉及相关调用情况需要考虑，如定时任务、异步线程等，相互耦合的系统对应接口需要混合压测
案例：
举例说明：如下图所示，是一个电商的系统架构概要图
（1）：用户既包括从 C 端来的个人用户，也包含系统本身的操作类用户，其中有注册用户，活跃用户之分，混合压测的时候需要考虑用户模型。
（2）：接口既包括从 B2C，APP，小程序，等流量入口的访问，也包含内部关联系统之间的交互，例如库存中心和 TMS 物流中心的交互
（3）：耦合系统及组件：A:当有提交订单的时候，即会有库存的锁定，这时候即一定会有出库等操作，对应 TMS 即会有相关信息消费等；
定时任务： B:R3 通过定时任务的方式同步相应的价格信息给价格中台
3、混合压测数据准备
3.1 数据分析
压测数据主要分 2 块
所谓铺底数据，就是压测环境系统中，存储里存放的数据，此数据理论上要求跟生产数据模型保持一致，即数据量大小，数据分布（时间分布、状态分布）情况、数据存储服务器架构环境等都需要跟生产环境保持一致；
铺底数据主要考虑以下因素
所谓测试数据，就是我们跑每个测试场景需要准备的数据，测试数据需要考虑点如：
（1） 测试数据量级
（2） 数据状态及类型分布
（3） 涉及到分库分表，测试数据是否需要在多库多表内均匀分布
（4） 涉及到缓存，也需要考虑多实例数据是否均匀分布
3.2 数据准备
数据库搭建完成后，需要我们构造跟生产环境类似的数据模型，准备数据方法有几种
第一种：从真实环境中导出数据并脱敏，这种方式是最推荐的一种数据准备方法
第二种：在数据库中直接插入数据。
第三种：通过调用接口 api 方式准备数据，需要注意几点：
1、 文档 3.1.1 内容；
2、 时间效率方面，如果构造压测数据要花个几天时间，那这种方法分析下是否可行
3.2.2 测试数据准备
有了铺底数据以后，测试数据主要从铺底数据里获取
数据准备方法请参考
4、混合场景如何设计
4.1 混合压测业务占比分析
是从生产历史数据来分析，进而推断业务模型；早期性能测试人员会通过分析历史数据来设计业务模型，不过近些年链路追踪（如 zipkin、pinpoint、调用链等）系统发展比较成熟，各个公司都有自己的 trace 系统， 对于我们 XX 公司来说， 可以借助调用链帮助我们拉取过去一段时间生产环境用户访问（系统接口）数据；
从业务类型维度分析思路如下：
业务类型：非活动类业务【线上不会出现业务突变情况】
评估策略：通过调用链统计接口请求总量占比作为压测业务占比
数据采集时间段：过去 7 天（建议采集建模的业务数据以峰值段为准，从天到时段。）
采集内容：XX 接口请求总量
业务类型：活动类业务【线上极可能出现业务突变情况】，如 xx 春节发红包活动。运营 push 活动等
评估策略：根据业务漏斗图【见 4.1.2 小节】分析接口占比作为压测业务占比
说明：对于全新活动，无历史数据的业务，需要参考业务漏斗图分析【见 4.1.2 小节】，对于有历史数据的活动，需要参考过去活动的调用链数据进度分析
以 XX 首页混合压测为例，最近 7 天 XX 首页各接口流量占比：
其他的接口 7 天请求总量小于 990,000 ，混合占比小于 1，忽略不计；
首先需要产品给出业务漏斗图；
根据以上漏斗图可理解为：
xx 首页曝光是一级页面、
icon 曝光是二级页面、
icon 点击是三级页面、
落地页曝光是四级页面。
一级页面到二级页面转化率是 93.4%，
二级页面到三级页面转化率是 4.2%，
三级页面到四级页面转化率是 93%，
蓝色箭头的百分比即为转化率。
一级页面：二级页面：三级页面：四级页面占比=107：100 ：4.2 ：3.9。
根据 被测接口分析
5、如何开展混合压测
5.1、混合压测脚本编写
略过
6、结果分析
（1）每个接口都要满足性能目标
（2）系统无性能问题
