服务器?稳固性是最重要的，如果在稳固性方面不能够保证业务运行的需要，再高的性能也是无用的。正规的服务器厂商都会对产品进行不同温度和湿度下的运行稳固性测试。重点要考虑的是冗余功效，如：数据冗余、网卡冗余、电源冗余、风扇冗余等。

一些服务器稳固性测试方法重要为以下几种：

压力测试：

已知系统高峰期应用人数，验证各事务在最大并发数(通过高峰期人数换算)下事务响应时间能否达到客户请求。系统各性能指标在这种压力下是不是还在正常数值之内。系统是不是会因这样的压力导致不良反响(如：宕机、利用异常中断等)。

Ramp Up 增量设计：

如并发用户为75人，系统注册用户为1500人，以5%-7%作为并发用户参考值。一般以每15s加载5人的方法进行增压设计，该数值重要参考测试加压机性能，建议Run几次。以事务通过率与毛病率衡量实际加载方法。

Ramp Up增量设计目标：

寻找已增量方法加压系统性能瓶颈地位，抓住涌现的性能拐点机会，一般常用参考Hits点击率与吞吐量、CPU、内存应用情况综合断定。模仿高峰期应用人数，如凌晨的登录，下班后的退出，工资发送时的消息系统等。

另一种极限模仿方法，可视为在峰值压力情况下同时点击事务操作的系统极限操作指标。加压方法不变，在各脚本事务点中设置同集合点名称(如：lr_rendzvous("same");)在场景设计中，应用事务点集合策略。以同时达到集合点百分率为标准，同时释放所有正在Run的Vuser。

稳固性测试：

已知系统高峰期应用人数、各事务操作频率等。设计综合测试场景，测试时将每个场景按照必定人数比例一起运行，模仿用户应用数年的情况。并监控在测试中，系统各性能指标在这种压力下是不是能保持正常数值。事务响应时间是不是会涌现波动或随测试时间增长而增长。系统是不是会在测试期间内产生如宕机、利用中断等异常情况。

根据上述测试，各事务条件下涌现性能拐点的地位，以断定稳固性测试并发用户的人数。根据实际测试服务器(加压机、利用服务器、数据服务器三方性能)，估算最终并发用户人数。

还可以对服务器进行以下方法测试，验证服务器在各种特别情况下是不是有主动处理机制：

1、容错性测试

通过模仿一些非正常情况(如：服务器突然断电、网络时断时续、服务器硬盘空间不足等)，验证系统在产生这些情况时是不是能够有主动处理机制以保障系统的正常运行或恢复运行措施。如有HA(主动容灾系统)，还可以专门针对这些主动掩护系统进行另外的测试，验证其能否有效触发掩护措施。

2、问题排除性测试

通过原有案例或经验断定，针对系统中曾经产生问题或猜忌存在隐患的模块进行验证测试，验证这些模块是不是还会产生同样的性能问题。如：上传附件模块的内存泄漏问题、地址本模块优化、开启Tivoli性能监控对OA系统性能的影响等等。

测评测试是用于获取系统的要害性能指标点而进行的相干测试。重要是针对预先没有明确的预期测试成果，而是要通过测试获取在特定压力场景下的性能指标(如：事务响应时间、最大并发用户数等)。

评测事务响应时间：为获取某事务在特定压力下的响应时间而进行的测试运动。通过模仿已知客户高峰期的各压力值或预期所能遭遇的压力值，获取事务在这种压力下的响应时间。

评测事务最大并发用户数：为获取某事务在特定系统环境下所能遭遇的最大并发用户数而进行的测试运动。通过模仿真实环境或直接采用真实环境，评测在这种环境下事务所能遭遇的最大并发用户数。判定标准阈值需预先定义(如响应时间，CPU占用率，内存占用率，已涌现点击率峰值，已涌现吞吐量峰值等)。

评测系统最大并发用户数：为获取全部系统所能够遭遇的最大并发用户数而进行的的测试运动。通过预先分析项目各重要模块的应用比率和频率，定义各事务在综合场景中所占的比例，以比例方法分配各事务并发用户数。模仿真实环境或直接采用真实环境，评测在这种环境下系统所能遭遇的最大并发用户数。判定标准阀值预先定义(如响应间，CPU占用率，内存占用率，已涌现点击率峰值，已涌现吞吐量峰值等)。取值标准以木桶法则为准(并发数最小的事务为全部系统的并发数)。

评测不同数据库数据量对性能的影响：针对不同数据库数据量的测试，将测试成果进行对照，分析创造数据库中各表的数据量对事务性能的影 响。得以预先断定系统长时间运行后，或某些模块客户请求数据量较大 时可能存在的隐患。

通过以上测试或用户实际操作已经创造系统中的性能问题或猜忌已存在性能问题，需通过响应的测试场景重现问题或定义问题。如有可能，可以直接找出引起性能问题所在的代码或模块。该类测试重要还是通过测试出问题的脚本场景，并可以增长创造和检测的工具，如开启Tivoli性能监控、开启HeapDump输出、Linux资源监控命令等，并在场景运行过程中辅以手工测试。

TikTok千粉号购买平台：https://tiktokusername.com/