一、业务层指标
从业务请求角度，直接反映用户体验，压测外层结果。
1. 吞吐量 TPS/QPS
每秒成功事务数、查询数；观察峰值、拐点、饱和点；判断系统大处理能力。
2. 响应时间 RT
平均、中位数、P50/P90/P95/P99/P999；长尾分位数比平均值更重要，平均会掩盖慢请求抖动。
3. 错误率
报错占比：超时、5xx、4xx、业务异常；高并发下错误率上升，代表系统已经过载。
4. 并发用户 / 虚拟用户
多少用户下指标开始恶化；区分：并发数≠TPS。
5. 业务成功率
不仅看 HTTP 状态码，还要校验业务返回是否正确，避免请求 200 但业务逻辑失败。
分析关注点：
随着并发上升，TPS 是否线性上涨？是否出现拐点；RT 是否陡增；错误率是否抬升。
二、服务器资源维度
主机、容器基础资源，判断是否资源瓶颈。
1. CPU
用户 CPU、系统 CPU、iowait、空闲；
重点：上下文切换、中断、负载；高 sys cpu 经常是锁、内核、频繁 GC。
2. 内存
已用内存、空闲、Buffer/Cache、Swap 使用；Swap 升高基本是内存压力；
OOM 风险、内存趋势（长时间压测看是否持续上涨，判断内存泄漏）。
3. 磁盘 IO
iops、读写吞吐量、% util、await（IO 等待时间）；await 高代表磁盘瓶颈，数据库、日志刷盘常见。
4. 网络
出入带宽、网络包、丢包、重传、连接数；TIME_WAIT、CLOSE_WAIT 堆积；带宽打满、连接泄漏。
注意：CPU 100% 不一定就是瓶颈，要看是业务计算、GC、锁等待还是 IO 等待。
三、应用程序维度
以 Java 服务举例，其他语言对应同类指标：
1. JVM：堆内存、非堆、GC 次数、GC 停顿时间、FullGC 频率；频繁 FullGC、STW 变长会造成系统抖动。
2. 线程：线程总数、阻塞线程、死锁、线程池队列、线程池耗尽。
3. 连接池：数据库连接池、Redis 连接池；队列等待、连接耗尽。
4. 锁：锁等待时间、竞争锁；大量锁竞争会导致 RT 上涨、TPS 上不去。
5. 日志：大量打印错误日志、debug 日志消耗 IO 与 CPU。
四、中间件 & 存储层维度（数据库、缓存、MQ 等）
数据库 MySQL
QPS、TPS、慢 SQL、执行时间；
锁等待、行锁、表锁、事务长事务；
缓冲池命中率、IO、连接数；索引是否失效。
缓存 Redis
OPS、命中率；大 key、热 key；内存增长；网络；CPU；连接数；过期淘汰。
MQ 消息队列
生产速率、消费速率、堆积量；延迟；分区；消费线程；重试死信。
很多性能问题不在应用，而是存储 / 中间件成为瓶颈。
五、链路与调用维度（全链路）
1. 接口调用耗时分解：各个下游调用耗时占比，看是本地计算慢，还是依赖第三方、DB、缓存慢。
2. 调用频次：是否存在循环调用、重复查询、N+1 查询问题。
3. 外部依赖：第三方接口响应、超时、重试逻辑；重试风暴会放大压力。
4. Trace 链路：看慢请求耗在哪一段。
六、稳定性维度（长时间压测、可靠性，前面聊过方差分析就在这里）
不只是峰值能力，还要看系统持续运行表现：
1. 指标漂移：长时间压测，RT、TPS、错误率是否逐步恶化（内存泄漏、连接泄露）。
2. 抖动：指标忽高忽低，分位数波动大；可以用方差、变异系数 CV、单因素方差分析 ANOVA量化抖动。
3. 异常恢复：压力突增突降后，系统能否自动恢复；是否雪崩、连锁故障。
4. 泄漏风险：内存、句柄、连接是否持续上涨不释放。
方差分析作用：区分 “正常随机抖动” 和 “系统真实性能漂移”。
七、容量 & 可扩展性维度
1. 拐点 & 饱和点：并发增加到多少，系统开始性能下降；可支撑 TPS有多少。
2. 线性扩展能力：增加实例，TPS 是否近似线性提升；是否存在单点瓶颈。
3. 瓶颈定位：是 CPU 瓶颈、IO 瓶颈、DB 瓶颈、锁瓶颈还是业务逻辑瓶颈。
八、对比分析维度（基线、版本对比）
1. 基线对比：和历史基准压测对比，看 RT、TPS 变化。
2. 版本对比：新版本上线，判断是否性能退化，可以用 ANOVA、t 检验做统计学判断。
3. 环境对比：测试环境 vs 预发，识别环境差异带来的偏差。
400-035-7887
sales@spasvo.com
