目录：导读
前言一、Python编程入门到精通二、接口自动化项目实战三、Web自动化项目实战四、App自动化项目实战五、一线大厂简历六、测试开发DevOps体系七、常用自动化测试工具八、JMeter性能测试九、总结（尾部小惊喜）
前言
1、基础指标
简单来说，性能测试实际上主要关注如下三点： 速度：TPS、RT ； 容量：吞吐量、PV、Hit； 资源：CPU、Memory、DiskIO、Network、文件句柄数；
2、性能分层
性能测试领域，要在评估调研阶段就考虑性能分层的影响。在性能分析和优化阶段，也要考虑不同层级对整体性能的影响。我将它们分为如下六层：
1）网络层：主要指带宽、网段、防火墙等设施，当然，CND之类的资源，也可以划分在这一领域； 2）网关层：网关是请求入口和业务接入层，一般登录验签调用、加解密鉴权、限流等操作，都是在网关进行； 3）应用层：无论是前端的渲染展示还是后端的逻辑处理，都可以理解为应用层； 4）中间件：中间件包含缓存、MQ、JOB、DTS/DRC/DAL、配置中心等一系列组件； 5）存储层：一般指数据存储和文件存储层级，典型的组件有MySQL、HDFS； 6）物理层： 无论是云服务还是自建机房，物理硬件层面都可以归纳到这一层；
3、需求调研
1）项目背景：版本迭代&独立项目&新建服务&系统重构&性能优化； 2）测试目的：超卖&高并发&扩容性&配置验证&资源耗用；
3）系统架构 技术架构：服务间的依赖关系，包含缓存，MQ等信息； 网络拓扑：请求-域名-SLB/HA/Nginx-web-app-DB以及外部依赖；
4）场景模型 业务场景：业务场景的多样性和特殊性以及对脚本开发联调&数据预埋的影响； 业务模型：只读、读写、批处理、定时Job； 业务配比：被测场景占总体场景的业务量占比（公式：被测场景/总业务量*100%） 选取业务峰值的数据，单独统计； 如果各业务占比类似，则按照比例转化； 如果比例差距大，则按照区间单独统计分析；
5）环境配置：PRE&PERF、app&Redis&MQ&DB&网络&网段&&带宽&防火墙，是否独享资源隔离等；
6）性能指标 业务指标：DAU、GMV、注册用户数、在线用户数、活跃用户数、增长趋势等； 系统指标：协议类型、长短链接、同步策略、加解密、JVM内存分配、容器线程数&连接数&Timeout、MQ-Cousumer数量； 压测指标：QPS、TPS、ART、99%RT、Success%；
7）数据类型 数据铺底量； 是否有敏感数据需脱敏； 限制条件(时间&次数&权限)； 自增、唯一、UUID、加解密、幂等；
8）关键时间：提测时间、验收时间、上线时间；
4、模型场景
1）业务模型：业务场景、流量转化漏斗； 2）测试模型：关注核心场景，过滤无关及非核心业务； 3）场景模型：从系统架构设计层面出发，关注不同层面，提升性能！ 基准：单机单服务单接口； 并发：设定阈值，观察水位； 容量：阶梯式加压、性能拐点、资源瓶颈； 异常：容错处理、监控告警、容灾恢复演练； 稳定性：长期稳定正确提供服务的能力，可用性SLA；
5、测试方案
项目背景：说明项目开展的背景及目的； 测试方案：针对项目涉及的场景，测试实施的大体方案； 实施准则：任何项目，都要有准入准出和暂停中止准则； 性能模型：针对具体的场景，设计的性能模型最好经过评估验证； 测试策略：针对测试模型所采用的不同的测试策略，同步的测试策略要达成什么样的目的； 性能指标：业务指标是多少？转化的技术指标是多少？冗余范围有多大？ 准备工作：其中包含环境、数据、脚本、监控等准备事项； 组织结构：整个项目中涉及哪些事项？不同事项的负责人是谁？交付时间是什么时候？
6、结果评估
在性能测试实施过程中，准确定义和描述性能测试结果，及针对不同结果进行模型分析，是很重要的一项能力。
1）性能实施方法论 基于指标构建； 建模是分析的过程和结果； 基于真实环境的系统模拟； 压测实施过程是整体的核心； 需要设定统一的目标、流程、分析方法、组织结构；
2）正确描述性能结果和过程的术语 瓶颈描述：什么场景执行了什么策略/操作，因为什么原因导致了什么结果； 解决方案：优化了哪里？验证的方式及结果？是否满足预期&是否解决了发现的问题？
3）性能分析层级 业务分级：业务-场景-数据-架构-参数； 技术分级：引擎-网络-应用-中间件-数据库； 工具：关注指标，从结果反推过程； 配置：线程、连接数、Timeout、长短链接、同步异步、路由转发； 应用：日志、硬件配置、资源使用率； 中间件：Job、缓存命中、消息堆积、Consumer配置； 数据库：资源耗用、库表结构、表锁行锁、活跃连接数、最大连接数；
4）性能拐点 TPS增长放缓，RT快速上升；
5）性能交叉点 模型上的TPS和RT交叉节点；
6）性能平衡点 重点关注业务可接受的最大RT；
7）性能衰减点 timeout参数&TPS急剧恶化抖降&RT快速飙升；
7、脚本设计
1）什么时候需要做脚本关联？ 服务端结果动态返回，非幂等； response body的参数需要向下透传；
2）如何理解并发和事务的区别？ 并发指的是同一时刻服务端接收到的请求数，而非压测引擎的并发线程/RPS；
3）thinktime怎么用？ 它有什么效果？ 是否存在真实的业务场景？ 是否影响整体的压测场景和服务资源？
4）主要关注哪些指标？ 并发数、TPS、ART、99%RT、CPU%、Memory%、systemLoad%；
8、典型特例
1）文件存储优化 原理：文件/图片存储在源节点，利用CDN缓存各种变更和路径。CDN未命中，回源节点处理并返回，同时同步最新的变更和路径到CDN。
优点：节省存储成本，提高查询展示渲染性能，灵活满足业务。 注意事项：大文件分块存储，避免局部过热导致单机磁盘IO过载，分块有助于整体系统资源调度。
2）秒杀超卖场景 适用场景：秒杀、限时抢购、限量抢购等。 单用户单端多次抢购； 单用户单端限量抢购； 单用户多端抢购→低并发； 单用户多端抢购→高并发；
完整版！企业级性能测试实战，速通Jmeter性能测试到分布式集群压测教程
下面是我整理的2025年最全的软件测试工程师学习知识架构体系图
一、Python编程入门到精通
二、接口自动化项目实战
三、Web自动化项目实战
四、App自动化项目实战
五、一线大厂简历
六、测试开发DevOps体系
七、常用自动化测试工具
八、JMeter性能测试
九、总结（尾部小惊喜）
人生如登山，重要的不是登顶的速度，而是沿途的坚持与成长。当你感到疲惫时，请记住：那些让你喘不过气的陡坡，正在塑造更强大的你。抬头看，山顶的风景值得你所有的汗水！
成功不是偶然的幸运，而是日复一日的积累。每一个微小的进步都在为未来铺路，每一次坚持都在改写命运的轨迹。别怕起点低，怕的是从未开始。你的努力，终将让梦想触手可及！