性能测试-实例讲解VU、RPS、RT公式换算

野性酷女 2021-11-19 11:34 527阅读 0赞

## 概述 ##

今天看到一篇文章讲解VU、RPS、RT，中间有一个公式如下图

![946454-20190719103936181-1528584095.png][]

**[点击查看原文链接][Link 1]**

**并发数 = RPS \* 响应时间 **

**于是我在本地做了几次实验，试图验证一下公式的准确性**

实验网站 www.baidu.com

## **第一次实验** ##

**100线程，一次迭代，启动时间1s，线程组和聚合报告如图所示**

**![946454-20190719105139072-1930388932.png][]**

![946454-20190719105220435-237593460.png][]

从结果可以看出，100并发/s，一次迭代，平均响应时间是**68ms**

如果根据上面公式来看的话

RPS = 并发数/响应时间 = 100/0.068 ，大约是**1470/S**

但是我们在线程组中可以看出，预置的RPS是 **100/S**

**差距有点大哦~~~想想为什么呢？**

## 第二次实验 ##

**100线程，持续迭代，1s内启动线程，持续运行10s。线程组和聚合报告如图所示。**

![946454-20190719110749939-1129833792.png][]

![946454-20190719110935948-204179279.png][]

从聚合报告可以看出来，平均TPS= 1303。那么我们可不可以就认定这个TPS=RPS呢？

简单计算一下就知道了。

图中可以看出我们的单次响应时间是72ms，那么1秒内大约能迭代14次。100个线程下，一秒内大约能发送1400个请求。

因此我们的RPS大约是**1400/S**

**这样就能看出来，一秒内发送1400次请求，但是1s内只有1300个请求能响应完毕**

我们再反向验证一下并发数

并发数 = RPS\*响应时间，1400\* 0.072 等于**100.8，**和线程组里面设置的并发数几乎相同。

如果我们用**Throughput=RPS**去反向验证

并发数 = RPS\*响应时间，1303\* 0.072 等于**93，**和线程组里面设置的并发数就有一些差距了。

## **这两次实验得出的结论：在持续迭代下，由于样本充足，所以公式成立。但是RPS！= TPS** ##

## **第三次实验** ##

**这次我们直接加上RPS定时器，通过精准的RPS来验证公式**

**我们让200RPS保持1分钟，查看聚合报告**

![946454-20190719112646214-891708256.png][]

![946454-20190719112933202-1437525135.png][]

**首先我们就能看出，在200RPS下，平均TPS只有172！**

**其次，平均并发数 = 200\*0.047 = 9.4   意味着我只需要9个线程，就可以在一秒内释放200RPS的压力**

**可以算出每个线程每秒的请求数是 200/9.4 =21，也就是一个线程一秒内最大迭代21次**

**反推每个请求的响应时间 大约 是 1000/21 大约是 47ms **

## **前后验证的结果都相符！** ##

## 第四次实验 ##

**这一次我们直接在线程组中设置刚刚20RPS下得出的平均并发数值 9，反向推断出RPS的准确性**

![946454-20190719122201046-164527167.png][]

![946454-20190719122734052-965228092.png][]

**计算一下RPS = 9 /0.043 约等于209**

因为线程组只能设置整数，所以会和实验三有一些误差，不影响测试的准确性

** 结尾语：从几次实验结果来看，在样本充足的情况下，公式是没有问题的。重点是做测试要时刻保持一颗质疑的心，不盲信任何权威 ！**

转载于:https://www.cnblogs.com/Zfc-Cjk/p/11212221.html

[946454-20190719103936181-1528584095.png]: /images/20211119/83a21f46597342e7bb1cb9890a74d596.png
[Link 1]: https://mp.weixin.qq.com/s?__biz=MzU4NzU0MDIzOQ==&mid=2247487138&idx=1&sn=be66769443f8157461c9ef12cba7722c&chksm=fdeb3cc2ca9cb5d423dceb71977e01a07be3be552a9b7cc63afec96936ee0b14ef07ff602345&token=1058504863&lang=zh_CN#rd
[946454-20190719105139072-1930388932.png]: /images/20211119/07ee9ee53258466daf8aef1a0086ab50.png
[946454-20190719105220435-237593460.png]: /images/20211119/50e796912bec486da8a40629588df0d1.png
[946454-20190719110749939-1129833792.png]: /images/20211119/2ea3d9383c9e4fc0b89d97e8a33c5e15.png
[946454-20190719110935948-204179279.png]: /images/20211119/06ebfe23d42d41acb3caeb73d01fd967.png
[946454-20190719112646214-891708256.png]: /images/20211119/af43f546aa7d439eb4751c3694ae9b38.png
[946454-20190719112933202-1437525135.png]: /images/20211119/9fe78b6da0784159ba3fd14fef6e6cc8.png
[946454-20190719122201046-164527167.png]: /images/20211119/028962b8f7bb460fb1dd7667620e337c.png
[946454-20190719122734052-965228092.png]: /images/20211119/5b978f1113e64ecb9cbb8aebc125b2c9.png