问题五：
大厂里面的全链路压测这个怎么做，线上压测怎样才不会污染到数据库，缓存和统计数据
1、解释：基于实际的生产业务场景、系统环境，模拟海量的用户请求和数据对整个业务链进行压力测试，并持续调优的过程
2、流量漏斗模型梳理：将核心业务和非核心业务进行拆分，确认流量高峰针对的是哪些业务场景和模块，整个流量转换扩容机器，根据各个业务需求进行扩容计算，才不会造成浪费
3、数据模型构建
1）生产环境完全拷贝流量，作为压测的基础数据，根据不同时间段聚合
2）数据脱敏，避免泄露用户核心信息
3）数据隔离，避免脏数据写入到mq、缓存、数据库等，影响线上用户
4、压测环境准备
全链路压测都是基于生产环境，不能影响实际的生产业务运行所以一般是夜间访问低峰期
工具：大厂基本都是自研，基于Jmeter等压测工具二次开发拓展，结合测试平台进行使用；开源的直接使用就是Jmeter、tcpcopy等工具
5、压测和数据收集包括
压测结果统计，核心就是看流量增长模型和业务性能相关指标，包括多个方面，比如带宽、RT时间、数据库慢查询、JVM GC日志，缓存命中率，结合全链路监控工具Zipkin、PinPoint进行监控。
问题六：
大厂里面的前端性能优化一般怎么做？里面的【结果导向】驱动性能优化路径。
定指标：
- 网络响应慢
- 图片加载时间长
原因：
- 用户测网络差
- 服务端性能不够：
硬：带宽、CPU、内存 软：接口性能、数据库性能
思路：
- CDN，就近原则
- 减少网络请求
1）JS、CSS合并、雪碧图 2）聚合业务接口 3) 前端静态资源缓存+后端业务结果缓存 4）按需加载 5）资源压缩:HTML/CSS/JS图片等进行压缩
