性能场景数据必须如此设计，才能让你的系统跑得更快！

性能项目中，性能数据是重要的输入资源。但有人用极少的数据，来做较大压力，显然不符合真实场景，虽然拿到的结果好看，但无价值。

性能场景中的数据到底应该做成啥样？RESAR性能工程中，场景里使用的数据要满足：

• 符合真实环境中的数据分布
  才能模拟出相应的IO操作
• 符合真实用户输入的数据
  以真正模拟真实环境中的用户操作

分别对应：铺底数据和参数化数据。

1 铺底数据

线上系统架构中，系统常用到的数据分为：

• 静态数据（红点）
• 动态数据（绿点）

这也是性能场景中要存入的铺底数据：

若无铺底数据，相当于一个空系统。但生产环境中，这系统肯定不会空，所以要有足够数据。若数据不真实，就无法模拟生产上有真实数据的场景，如应用的内存占用、数据库IO能力、网络吞吐能力。

静态数据，易出现的问题是：

• 一想到占网络带宽大，就觉得要用CDN
• 或觉得不模拟静态数据，就不符合真实场景，不支持我们的优化结果

其实数据放在哪，怎么做合理，怎么做成本低，都要综合考虑，不是随大流：

• 有的官方门户网站没啥流量，技术规划时非把几个图片放CDN，以显示架构多先进
• 一些企业认为网站上的图片很重要，不懂技术又寻找安全感，非把图片都放到自己的服务器。本来图片就很大，一张有3～4M，用户一访问，自然就慢

这两种极端都不可取。外行指使内行干活，基本没好结果，因为有些外行觉得只要压力发起就可，细节上根本不在乎结果。处理这样问题的最合理方式：

• 先分析业务逻辑
• 再判断技术架构实现

1.1 静态数据

通常有两个可存放地方：

• 服务端的Web层
• CDN

大系统的流量大，网络带宽就得多。这种情况下，数据必然要放CDN。如果不使用 CDN 技术，数据需要从一个中心服务器传输到用户的设备上，会导致：

1. 延迟高：由于数据需要从远程服务器传输，因此会增加访问的延迟，降低用户体验。
2. 网络拥塞：如果所有用户都从同一个服务器上请求数据，会导致网络拥塞，降低整个系统的响应能力。
3. 安全性问题：如果所有用户都从同一个服务器上请求数据，这也意味着所有用户的数据都存储在同一个地方，一旦服务器遭受attack或数据泄漏，用户的数据就会受到威胁。

因此，使用 CDN 技术可以将数据存储在距离用户更近的服务器上，可以提高访问速度和响应能力，减少延迟和网络拥塞的问题，并且可以提高系统的安全性。

对一些小的业务系统，由于用户不多，整体网络流量要求也少，可将静态数据直接放到负载均衡服务器（如Nginx）或应用服务器。用户访问一次之后，后续访问直接走本地缓存，对系统压力也不会产生多大影响。

1.2 动态数据

需分析，因为有些动态数据可放CDN。

• 不用任何预热加载时，这些动态数据都存DB
• 使用预热加载时，这些数据就会转到缓存（也取决于架构设计和代码实现），变成：

按这样逻辑，真实场景中业务操作的数据量实际有多少，我们就要模拟多少，不然会出现一些问题。当模拟数据量与实际数据量差别较大，会对DB、Cache等造成不同

1.3 影响

① 对DB压力的区别

设线上系统中100万用户，压测时，由于无生产数据，造数据又麻烦，就直接使用1000条甚至更低用户量做性能场景。

一个表里有100万条数据和1000条数据的差别是啥？前提条件：同样硬件环境、数据库、表结构、索引，只是两张表的数据不同。两条SQL：

1select * from ob_tuning.temp1_1000 where id = '3959805';2select * from ob_tuning.temp2_100w where id = '3959805';

因为表数据量不同：

表操作细节。第一个表（用户量1000）：

第二个表（用户量100w）：

只需对比“executing”行就能看到明显差距，它告诉我们当执行语句时，需要的CPU时间明显因为数据量增加而增加。所以，若无足够铺底数据放在性能场景，一开始便注定悲剧。

② 缓存的区别

数据量的多少在缓存中有明显区别：

场景中用的数据量越多，缓存必然要求越大。

③ 压力工具使用的区别

压力工具中使用的数据多少，不仅影响着压力工具本身需要的内存，同时也影响着性能场景的执行结果。

④ 网络的区别

不同的数据量，不管是走缓存，还是数据库，对客户端和服务器之间的网络消耗都是差不多的。只要不是缓存在客户那边，都是要走到服务器里转一圈的。

所以我们认为，数据量是多还是少，对客户端和服务器之间的网络的压力没有什么区别。如果你用的是CDN，那可以做另外的考虑。

⑤ 应用的区别

如果不是在应用中直接缓存数据，我们也认为对应用没什么区别，反正不管是什么样的请求过来，都是要到缓存或数据库中去取数据的，应用的Self Time不会有什么差别，方法依旧要执行。但是，如果你的应用是直接在应用的缓存中存数据的，那就有区别了，同样也是数据量越大，对内存的要求就越大。

基于这几点，可以看到有两个较重要环节：数据库和缓存，这是直接影响。

间接影响，比如数据在数据库中执行得慢了，在同步调用的应用中必然需要更多的应用线程来处理。

假设有一个100 TPS的系统，先忽略其他时间，只看数据库时间。如果数据库执行需要10ms，那应用只需要一个线程就能处理完了。如果数据库需要100ms，而我们仍想达100TPS，应用就得有10个线程同时处理。

整个链路上的所有线程、队列、超时等都会因为受到数据量的影响而产生大的变化。

要想模拟出生产时候的样子，铺底数据不能含糊。

2 参数化数据

场景中该用多少量数据，是性能场景中最容易出问题的环节。

参数化数据量应该多少，取决于场景运行多长时间。而在场景运行中，通常用到两类数据：

• 唯一性数据
• 可重复使用的数据

2.1 计算方式

① 唯一性数据（如用户数据）

要使用多少参数化数据很容易计算。比如一个运行半小时的场景，TPS如果是100的话，就要18万数据量：

$数据量 = 30min \times 60s \times 100TPS = 18w$

② 可重复使用的数据量

要分析真实业务场景中如何重复，如电商系统中商品的数据量，参数化时就能重复，毕竟多个人是可同时购买同一商品。我们假设平均有1000个用户在10个商品中，那当我们有18万个用户时，就需要1800个商品：

$商品数量 = 18w用户 \div 1000用户 \times 10 商品 = 1800 商品$

若参数化数据量太大，在压力工具中处理不了咋办？如JMeter处理文件参数化数据时，参数化文件太长，会导致JMeter消耗更多时间。这种参数化数据量要求多的情况，可采用连接远程缓存（如Redis）或数据库（如MySQL）的方式做参数化。

2.2 连接Redis做参数化

方法一：直接在JMeter写Beanshell连接Redis取数据

1import redis.clients.jedis.Jedis;2  //连接本地的 Redis 服务3Jedis jedis = new Jedis("172.16.106.130",30379);4log.info("服务正在运行: "+jedis.ping());5String key = vars.get("username");6String value = vars.get("token");7vars.put("tokenredis",jedis.get(key));

方法二：使用Redis Data Set组件

这俩都能用Redis做参数化的数据源。

2.3 连接MySQL做参数化

① 创建一个JDBC Connection Configuration。

配置好连接信息，如用户名密码：

② 创建一个JDBC Request

用JDBC Request把数据取回来：

③ 用${user_name}引用参数

完成上述三步，就实现了用DB的方式做参数化。

3 怎么造数据

• 用户数据
• 地址数据
• 商品数据
• 订单数据

数据量如何设置？

根据第4讲的性能方案，登录TPS如果是每秒150，并且如果按容量场景的需求，在场景连续递增时，大概在20分钟内（这是一个经验值，在具体的场景执行中也会有变化）会递增到最大值，然后再执行10分钟，也就是说总时间大概为30分钟。

但是因为场景是递增的，一开始我们并没有要求达到150TPS，同时登录场景TPS最大值能达到多少，我们现在也没法预知。根据经验来看的话，登录的TPS在当前的硬件环境中，就算是不走缓存，达到三、四百应该是没有多大问题的。

如果按最大400TPS来算，跑半个小时，需要的数据量就是54万，而我们造出来的用户量要远远大于这个量级。这里我们就先造200万的用户量，因为地址的数据量肯定大于用户的数据量，所以会多于200万。

先查当前DB中的数据量，再确定要造多少。

这数据量级明显不够。

怎么造出那么多数据量？造的数据主要分为：用户数据和订单数据。

• 登录用户

先了解表结构，造出数据只有符合业务逻辑才能使用。看用户表结构和数据：

地址表：

造数据时，不要往DB直接写存储过程插数据，除非你清楚表之间关系，且存储过程写得6。否则你会把DB弄得一团乱，最后不得不在数据库的表里改数据。推荐使用接口直接调用来造数据，操作简单，较安全。

代码造数据，就要做下面的分析。

用户表和地址表有对应关系，可通过下面代码查，地址表中的MemberID就是用户ID

1@Override2public int add(UmsMemberReceiveAddress address) {3    UmsMember currentMember = memberService.getCurrentMember();4    address.setMemberId(currentMember.getId());5    return addressMapper.insert(address);6}

造用户数据，就是实现注册流程。

先分析用户注册的代码，直接把其中的注册代码部分拿过来用。具体调用代码：

造数据需要关心注册流程？若我们是调接口造数据，就不需要；但若写代码开启多线程造数据，就得了解接口之间的调用关系。

截出中间一部分，分析它们的调用关系：

注册用户表中的密码都是加密的，可通过注册用户实现类代码:

1@Override2public void register(String username, String password, String telephone, String authCode) {3...............................4    //获取默认会员等级并设置5    UmsMemberLevelExample levelExample = new UmsMemberLevelExample();6    levelExample.createCriteria().andDefaultStatusEqualTo(1)  ;7    List<UmsMemberLevel> memberLevelList = memberLevelMapper.selectByExample(levelExample);8    if (!CollectionUtils.isEmpty(memberLevelList)) {9        umsMember.setMemberLevelId(memberLevelList.get(0).getId());10    }11    //插入用户12    memberMapper.insert(umsMember);13    umsMember.setPassword(null);14}

就可直接写一段代码来造用户数据：《造用户代码.java》

有用户数据，还要下单用户的地址等详细信息，才能完成下单。

• 用户地址

根据用户地址资源路径找到Controller层，查看用户地址的代码调用关系，如下：

然后找到用户地址的关键代码：

1@Override2public int add(UmsMemberReceiveAddress address) {3    UmsMember currentMember = memberService.getCurrentMember();4    address.setMemberId(currentMember.getId());5    //插入地址6    return addressMapper.insert(address);7}

从这段代码中，我们可以观察到这几个信息：

• 调用地址接口需要用户登陆态，通过登陆态来解析用户ID号；
• 用户ID号是地址代码中的MemberID号；
• 用户ID号是自增加。

具体参考请见《造用户地址代码.java》。

通过上面代码，再开启Java线程池，就可把基础数据快速造完。造用户地址数据的时间记录：

最后造出：

表中的订单数据会在做基准场景时补充上去。等这些数据量都有了，我们在容量场景中就有了足够的铺底数据。

4 总结

性能场景中的数据到底应该做成什么样子。

造数据方法很多，不用拘泥于某种造数据手段，只要能快速造足够数据量就好。

RESAR性能工程中，性能场景需要两类数据：铺底数据和参数化数据。铺底数据需满足：

• 一定要造出符合生产量级的数据量；
• 数据量要真实模拟出生产的数据分布；
• 数据要真实可用。

参数化数据需要满足这两个条件：

• 参数化数据量要足够；
• 要符合真实用户的输入数据。

有这些知识，就不会造数据时混乱。

5 FAQ

1. 为何要造符合生产量级的数据量？
2. 为什么参数化时要用符合真实用户的输入数据？

通常我们执行性能脚本时不会执行一次，若按上面30min 100TPS的场景，对不可重复使用的数据，若我们每次执行前做一次数据，太不易用啦，但不造数据还不行，如何解决这样的数据问题？做数据库备份回滚。

静态铺地数据指图片、视频这些吗？是的。

参数化数据是否影响压测机的性能，看压测机压力就可以了吧？是的。不过要分析了参数化数据量的具体影响才能判断。

若压测环境跟生产环境硬件配置不对等，那数据量是否也等比缩放？也要缩放，不过不一定等比。要做基准测试才知道。

参数化直接从DB取，连接DB，查询数据需消耗时间，且占用数据库资源，这种参数化方式很明显对压测的性能有影响，为何推荐这种方式？

在参数化数据多的时候，建议用缓存或数据库中直接取数据的方式。但是你可以不用被测系统的缓存或数据库，独立搭建一个专门存参数化数据的缓存或数据库即可。

jemeter参数化文件一般超过多少条数据量会使jmeter成为瓶颈？没有定论。还是得看一下参数化的是什么。

造出生产量级数，确保应用，数据库，缓存在生产压力下运行；参数化用户输入数据，保障了数据多样性，造数很容易造成数据同化严重，热点集中，不能再现真实，400TPS跑半个小时，是否应该是72万数据量？

若数据在每个用户使用时是唯一的，那就应该是72万的数据量。

“对于唯一性数据（比如用户数据）来说，我们需要使用多少参数化数据是非常容易计算的。比如一个运行半小时的场景，TPS 如果是 100 的话，那就需要 18 万的数据量”要模拟每一个压测请求都是不同的用户发起的，这里需要构造18万个不同用户。

铺底数据就是已存在的数据，参数化数据就是压力测试发起请求时产生的新数据？

参数化数据有两种。一种是用户输入的但数据在铺底数据中没有；还有一种是铺底数据中必须有的数据，比如说用户名之类的。

真实环境下单都是要真正的支付钱的，这个怎么解决

如果对方提供测试系统就可以连。如果不提供，那只能mock了

尽量模拟真实用户效果，但像我们测试web一般都是忽略了css,js等直接测试主接口，这是否合理？

对后端的压力来说，是合理的。若从用户角度，显然不合理。 所以要做相应换算。