性能测试主要是通过自动化的测试工具模拟多种正常、峰值以及异常负载条件来对系统的各项性能指标进行测试。负载测试和压力测试都属于性能测试，两者可以结合进行。通过负载测试，确定在各种工作负载下系统的性能，目标是测试当负载逐渐增加时，系统各项性能指标的变化情况。压力测试是通过确定一个系统的瓶颈或者不能接收的性能点，来获得系统能提供的最大服务级别的测试。
在实际工作中我们经常会对两种类型软件进行测试：bs和cs，这两方面的性能指标一般需要哪些内容呢？
Bs结构程序一般会关注的通用指标如下（简）：
Web服务器指标指标：
Avg Rps: 平均每秒钟响应次数=总请求时间 / 秒数；
Avg time to last byte per terstion （mstes）：平均每秒业务脚本的迭代次数，有人会把这两者混淆；
Successful Rounds：成功的请求；
Failed Rounds ：失败的请求；
Successful Hits ：成功的点击次数；
Failed Hits ：失败的点击次数；
Hits Per Second ：每秒点击次数；
Successful Hits Per Second ：每秒成功的点击次数；
Failed Hits Per Second ：每秒失败的点击次数；
Attempted Connections ：尝试链接数；
CS结构程序，由于一般软件后台通常为数据库，所以我们更注重数据库的测试指标：
User 0 Connections ：用户连接数，也就是数据库的连接数量；
Number of deadlocks：数据库死锁；
Buffer Cache hit ：数据库Cache的命中情况
当然，在实际中我们还会察看多用户测试情况下的内存，CPU，系统资源调用情况。这些指标其实是引申出来性能测试中的一种：竞争测试。什么是竞争测试，软件竞争使用各种资源（数据纪录，内存等），看他与其他相关系统对资源的争夺能力。
我们知道软件架构在实际测试中制约着测试策略和工具的选择。如何选择性能测试策略是我们在实际工作中需要了解的。一般软件可以按照系统架构分成几种类型：
c/s
client/Server 客户端/服务器架构
基于客户端/服务器的三层架构
基于客户端/服务器的分布式架构
b/s
基于浏览器/Web服务器的三层架构
基于中间件应用服务器的三层架构l
基于Web服务器和中间件的多层架构l
通过分析业务逻辑和技术架构，创建性能模型，制定性能方案，准备应用环境，设计并实施性能部署监控，实现符合真实业务逻辑的压力，通过监控手段获取各组件的性能计数器，分析计数器采集出的数据，查找出性能瓶颈的根本原因并优化，最后通过环比生产环境的性能数据修正场景。
221、时间指标
222、容量指标
223、资源利用率指标
231、业务模型
232、监控模型
241、测试环境
242、测试数据
243、测试模型 - 基于业务模型构造测试数据
244、性能指标
245、压力测试-阶梯压力测试&高并发压力测试
246、准入准出
247、进度风险
251、软硬件环境（包括压力机）
252、应用版本
253、基础设施
254、网络结构
255、基础数据
256、压力工具
261、系统监控
262、中间件监控
263、缓存监控
264、队列监控
265、负载均衡监控
266、熔断限流
267、链路监控
271、基准场景
272、容量场景
273、稳定性场景
274、异常场景
281、场景结果整理
282、监控结果整理
283、性能整体分析
284、性能结论
285、优化建议
286、运维建议
性能验证：验证系统是否达到指定的指标。 举例：RT是300ms,QPS/TPS是否可以达到800。
性能调优：验证是否达到系统的最大容量。 举例：限制或者不限制RT、内存水位、CPU水位，QPS/TPS可以达到多少。
容量验证：需要多少台机器。 举例：50 w UV,需要配置多少台机器。
1000万的用户，在场景A中，业务1占比10%，业务2占比20%，业务3占比30%；
1000万的用户，在场景B中，业务1占比20%，业务2占比30%，业务3占比40%；
1000万的用户，在场景C中，业务1占比30%，业务2占比40%，业务3占比50%。
包括接口响应时间+业务响应时间
参考：
互联网企业：500ms以下，例如淘宝业务10ms左右。
金融企业：1s以下为佳，部分复杂业务3s以下。
保险企业：3s以下为佳。
制造业：5s以下为佳。
包括接口容量+业务容量
如果是接口层性能测试，TPS中的T 可以直接定义为接口级；
如果业务级性能测试，TPS中的T 可以直接定义为每个业务步骤和完整的业务流；
举例：
start事务（接口1）
商品详情页接口A
end事务（接口1）
start事务（接口2）
商品详情页接口B
end事务（接口2）
start事务（业务A）
加入购物车（接口1）-下单（接口2）-支付（接口3）
end事务（业务A）
start事务（业务A）
点击-加入购物车（接口1）-下单（接口2）-支付（接口3）
end事务（业务A）
a、 *** 作系统：CPU、Memory、Network、IO、System、Swap
b、JVM：GC、classes
对于长连接来说，最大并发用户数即系统的并发接入能力。实际上，就算是长连接，如果实际业务已经丢掉了异常的请求，那么最大并发用户数不等于系统的并发接入能力。
对于短连接来说，最大并发用户数并不等于系统的并发接入能力。
并发是在单位时间内完成的事务（T）的个数。
在线用户数和压力线程之间的关系：
从以上的计算逻辑中，我们可以看到，这其中有几个关键数据：
举例：
1) 在线用户数：1个用户，100个请求，响应时间是250s
用户数：1个
响应时间：250s
请求数：100
tps计算： 1100/250=04（请求数/秒）
在线用户数（有停顿时间）：100000个用户，100个请求，响应时间是3600s
用户数：100000个
响应时间：3600s
请求数：100
tps计算：100000100/3600=27778 tps
2) 并发用户数（无停顿时间）：1个用户，100个请求，响应时间是6s
用户数：1个
响应时间：6s
请求数：100
tps计算：1100/6=1667 tps
3） 压力线程=(在线用户数×单用户请求数)/峰值采样时间段÷一个压力线程的请求级TPS
压力线程 = 27778（100000在线用户的请求级TPS）/1667（1个压力线程的请求级TPS）=167
4） 并发用户数=在线用户数×有停顿时间的单线程TPS÷无停顿时间的单线程TPS
并发用户数 = 100000（在线用户数）04（有停顿时间的单线程TPS）/1667（无停顿时间的单线程TPS）=2399
5） 并发度=在线用户÷并发用户×100%（取值要在同一时间段）
并发度 = 100000/2399100%=4168%
参考：高楼老师的课程
问题一：性能测试应该做哪些准备 环境搭建：这个根据实际规划，我在企业内做过的性能测试搭建的环境都是和用户上线使用的实际环境一样的。数据准备：个人感觉是整个工作里第二耗时的，需要真实模拟用户数据，这个不是单单的创建几个帐号就完事的，每个用户基本都会有不太一样的配置，实际 *** 作的时候部署数据的脚本都写到手软。
脚本编译：选择性能工具编译性能脚本，你需要跑什么业务流程就编译什么样的脚本。
脚本执行：用规划好的用户数执行脚本，这个一般持续很长时间，时间太短不足以暴露服务器等的性能瓶颈，性能测试中最耗时的就是这个步骤。
收集日志：在执行脚本完成后收集到的能客观反应系统性能的日志、报表文件，比如LR的报告、数据库的AWR日志等等。
分析结果：分析收集到的日志、报表，找出性能瓶颈或是得出性能指标结果。这个一般需要对数据库或者底层非常了解的专业人士来分析，一般测试人员只需要提供收集到的报告就差不多了。
生成报告：将上面所有的性能测试活动整理总结，输出测试报告。
问题二：如何做好性能测试？ 你好，首先很欣赏你的这种态度。我在TestBird 招聘新人的时候，也有很多小朋友觉得自己有多了解工具运用，有多熟练步骤过程，自我感觉很不错。
其实，我却想说，性能测试的重点不在性能测试工具的学习上。
当然，你也通过分析系统的压力点、LR录制脚本，设置用户，做压力，分析结果，整理测试报告。完成了性能测试的整个过程。那么我说这个性能测试报告是有效的，但它不一定是有用的。
为什么呢？因为在性能测试报告中，在你所在的环境中，你是测出了这样的效果。并未掺假，全部真实的记录。
为什么说它不一定是有用的，你了解系统架构么？知道数据库、中间件、前端程序的运行方式和处理机制么？了解网络协议么？了解 *** 作系统么？熟悉开发系统的语言么，如java JVM的内在机理知道么？这些都是系统运行的一部分，都在影响着系统的性能。如果不了解这些，你如何做出有价值的有参考意义的性能测试。
所以，学会这些性能测试工具很好，但是这仅仅是第一步。性能结果只是一些数据而已，知道你在做什么，为什么要做这些，做完后能给出有价值的东西，才是后面要慢慢修炼的。
问题三：移动客户端的性能测试如何做？ 。就当练习了。。大家看了不要喷我。。现在很多测试人员做移动端测试，可能主要还是关注功能和自动化测试。性能测试可能大多是按照每个人的体验来做报告，是不是比较快，或者比较慢。当然也不乏有很多的测试人员会回复我说，性能测试都是服务器的，移动端根本就不需要性能测试。我实在觉得可笑。 不过我毕竟一直在创业公司，而且就我一个人，所以了解可能有限，我这里就说下我之前碰见的，所知道的，目的只是抛砖引玉。 另外，我这里也不去说什么MAT，instruments了，这种固有查找内存的工具大家自己google吧。 客户端的性能从系统层面，电量消耗，网络流量，内存泄漏等都是被关注，或者说用户最最关注的点。 实例一，3rd 应用的性能测试。应用本身的响应时间可以通过call 应用intent来查看，设备纯环境，设备低内存等各种情况下进行同样此数的call，进行对比。或者与同行业同性质的应用进行对比测试。我相信很快就能够有结论了。除了应用本身，还需要对于应用本身某些特别的功能进行响应测试。比如测试一个list，测试的方法为onkeydown之后查看这个listindex（0）是否高亮，是否正常的界面跳转了，那么分别进行计时（精确ms）。同样的，我们在空list以及有几百条list的情况进行这样的case test，那么就会有一个性能的结果出来。 实例二，假设你测试微薄客户端，那么你肯定是需要进行一个list上下滑动的性能测试。我们需要使用脚本语言shell或者python去call server api来仿造数据反馈到移动设备上，否则你不可能自己手动去发几百条weibo然后再测试。测试的时候需要关注两个问题，一个是list在各种情况下是否滑动流畅，一个是当list中有很多的的时候load的速度也是一个很大的测试点。这个load可以直接检查imageview什么时候load出来pic，什么时候显示在界面上，计算时间。这里其实很多应用是webview，或者数据是存在服务器端的，这个时候无论是平时的测试还是压力，还是性能，数据的修改，其实还是多使用脚本ping api比较好，能够很好的去辅助达到性能测试的效果。 实例三，比如要测试一个优酷的视频软件，那么视频的播放的时候，首先保证网络的情况下，各种分辨率各种码率的视频接入时间是需要关注。然后在播放，也就是和网络不停的通信的同时，那么需要通过tcp dump和wireshark工具来检查网络访问是否正确，视频的卡顿，视频的花屏等除了硬件兼容之外，可以通过抓包来判断其性能。如果丢包率高那么自然视频卡，体验不好，性能也就不会好。 其实以上只是一些很基础，现在很多公司也已经在这个基础上改良测试了。不过也是一些思路，让更多的企业和测试关注移动客户端的性能。不要一提到性能脑中只有LR等这些Server测试。
问题四：为什么要进行性能测试 原因有三：
川 开发者的水平各有不同，有的写出来的东西性能高，有的低，所以需要统一测试一下。
2 编程工具本身也有性能问题，用这样的工具开发出来的软件也要确认一下是否达到了需求所要求的性能指标，比如响应时间应该控制在多少秒以内。
3 性能测试，强度测试都是为了测试系统的稳定性，稳定性好，软件的质量就好，买的钱就多。
问题五：如何进行Web服务的性能测试 贴一篇我们内部的文章：
随着浏览器功能的不断完善，用户量不断的攀升，涉及到web服务的功能在不断的增加，对于我们测试来说，我们不仅要保证服务端功能的正确性，也要验证服务端程序的性能是否符合要求。那么性能测试都要做些什么呢？我们该怎样进行性能测试呢？
性能测试一般会围绕以下这些问题而进行：
1 什么情况下需要做性能测试？
2 什么时候做性能测试？
3 做性能测试需要准备哪些内容？
4 什么样的性能指标是符合要求的？
5 性能测试需要收集的数据有哪些？
6 怎样收集这些数据？
7 如何分析收集到的数据？
8 如何给出性能测试报告？
性能测试的执行过程及要做的事儿主要包含以下内容：
1 测试评估阶段
在这个阶段，我们要评估被测的产品是否要进行性能测试，并且对目前的服务器环境进行粗估，服务的性能是否满足条件。
首先要明确只要涉及到准备上线的服务端产品，就需要进行性能测试。其次如果产品需求中明确提到了性能指标，那也必须要做性能测试。
测试人员在进行性能测试前，需要根据当前的收集到的各种信息，预先做性能的评估，收集的内容主要包括带宽、请求包大小、并发用户数和当前web服务的带宽等
2 测试准备阶段
在这个阶段，我们要了解以下内容：
a 服务器的架构是什么样的，例如：web服务器是什么？是如何配置的？数据库用的是什么？服务用的是什么语言编写的？；
b 服务端功能的内部逻辑实现；
c 服务端与数据库是如何交互的，例如：数据库的表结构是什么样的？服务端功能是怎样 *** 作数据库的？
d 服务端与客户端之间是如何进行交互的，即接口定义；
通过收集以上信息，测试人员整理出服务器端各模块之间的交互图，客户端与服务端之间的交互图以及服务端内部功能逻辑实现的流程图。
e 该服务上线后的用户量预估是多少，如果无法评估出用户量，那么可以通过设计测试执行的场景得出这个值；
f 上线要部署到多少台机器上，每台机器的负载均衡是如何设计的，每台机器的配置什么样的，网络环境是什么样的。
g 了解测试环境与线上环境的不同，例如网络环境、硬件配置等
h 制定测试执行的策略，是需要验证需求中的指标能否达到，还是评估系统的最大处理能力。
i 沟通上线的指标
通过收集以上信息，确定性能测试用例该如何设计，如何设计性能测试用例执行的场景，以及上线指标的评估。
3 测试设计阶段
根据测试人员通过之前整理的交互图和流程图，设计相应的性能测试用例。性能测试用例主要分为预期目标用户测试，用户并发测试，疲劳强度与大数量测试，网络性能测试，服务器性能测试，具体编写的测试用例要更具实际情况进行裁减。
用例编写的步骤大致分为：
a 通过脚本模拟单一用户是如何使用这个web服务的。这里模拟的可以是用户使用web服务的某一个动作或某几个动作，某一个功能或几个功能，也可以是使用web服务的整个过程。
b 根据客户端的实际情况和服务器端的策略，通过将脚本中可变的数据进行参数化，来模拟多个用户的 *** 作。
c 验证参数化后脚本功能的正确性。
d 添加检查点
e 设计脚本执行的策略，如每个功能的执行次数，各个功能的执行顺序等
4 测试执行阶段
根据客户端的产品行为设计web服务的测试执行场景及测试执行的过程，即测试执行期间发生的事儿。通过监控程序收集web服务的性能数据和web服务所在系统的性能数据。
在测试执行过程中，还要不断的关注以下内容：
a web服务的连接速度如何？
b 每秒的点击数如何？
c Web服务能允许多少个用户同时在线？
d 如果超过了这>>
问题六：网站性能测试主要有哪几种方法 我知道的性能测试主要有：压力测试，负载测试，容量测试，发性能测试，兼容性测试（不同的 *** 作系统和不同的浏览器）。测的时候应用在客户端的性能、应用在网络上的性能和应用在服务器端的性能都要进行测试的。
希望能帮到你。
问题七：怎么才能做性能测试工程师？ 性能测试实际上确实需要些功底儿，但是也并不是非得一两年之后才去做。
我给你列几条性能测试工作中的建议，你可以自己温习一下，然后去面试，具体的经验需要实际的工作才能得到，然而你扎实的基础知识才识支撑你走下去的动力。
1，最直接也是最表面的建议，适用于面试：Loadrunner, >
性能测试常用指标从外部看，主要有：
1、吞吐量：每秒钟系统能够处理的请求数，任务数
2、响应时间：服务处理一个请求或一个任务的耗时
3、错误率：一批请求中结果出错的请求所占比例
从服务器的角度看，性能测试关注CPU，内存，服务器负载，网络，磁盘IO
对登录功能做性能测试：
1、单用户登陆的响应界面是否符合预期
2、单用户登陆时后台请求数量是否过多
3、高并发场景下用户登录的响应界面是否符合预期
4、高并发场景下服务端的监控指标是否符合预期
5、高集合点并发场景下是否存在资源死锁和不合理的资源等待
6、长时间大量用户连续登录和登出，服务器端是否存在内存泄漏
Windows服务器中自带的性能监控工具叫做Performance Monitor；
在开始-运行中输入‘perfmon’，然后回车即可运行。
Monitor本身也是一个进程，运行起来也要占用一定的系统资源。所以你看到的资源的使用量应该比实际的要稍微高一点。这个工具在帮助管理员判断系统性能瓶颈时非常有用；
举个列子来说，今天有个用户抱怨说他们项目组的服务器（这是一台虚拟机）运行起来非常慢，但也不知道具体问题出在什么地方。任务管理器里显示CPU和内存的使用量都不算高，但服务器的相应就是非常慢；
Monitor，让其运行一段时间后（因为参考平均值会比较准确），发现average disk queue的值比较高，这就说明物理服务器的硬盘负荷太重，I/O *** 作的速度跟不上系统的要求。关掉虚拟机，将其转移到另一台硬盘负载比较小的主机上，再打开虚拟机。
分析性能情况
1、内存泄露判断
虚拟内存字节数（VirtualBytes）应该远大于工作集字节数（Workingset），如果两者变化规律相反，比如说工作集增长较快，虚拟内存增长较少，则可能说明出现了内存泄露的情况。
对于Workingset、Private Bytes、Available bytes这些计数器，如果在测试期间内数值持续增长，而且测试停止后位置在高水平，则也说明存在内存泄露。
Windows资源监控中，如果Process\PrivateBytes计数器和Process\WorkingSet计数器的值在长时间内持续升高，同时Memory\Available
bytes计数器的值持续降低，则很可能存在内存泄漏。
2、CPU使用情况
一般平均不要超过70%，最大不要超过90%（好：70% 、坏：85%、 很差：90%）。
3、tps（每秒处理事务的数量，在SOAPUI中进行统计）
一般在10-100，不同应用程序具体值不同。
一、消息中间件相关知识
1、概述
消息队列已经逐渐成为企业IT系统内部通信的核心手段。它具有低耦合、可靠投递、广播、流量控制、最终一致性等一系列功能，成为异步RPC的主要手段之一。当今市面上有很多主流的消息中间件，如老牌的ActiveMQ、RabbitMQ，炙手可热的Kafka，阿里巴巴自主开发RocketMQ等。
2、消息中间件的组成
21 Broker
消息服务器，作为server提供消息核心服务
22 Producer
消息生产者，业务的发起方，负责生产消息传输给broker，
23 Consumer
消息消费者，业务的处理方，负责从broker获取消息并进行业务逻辑处理
24 Topic
25 Queue
26 Message
消息体，根据不同通信协议定义的固定格式进行编码的数据包，来封装业务数据，实现消息的传输
3 消息中间件模式分类
31 点对点
PTP点对点:使用queue作为通信载体
说明：
消息生产者生产消息发送到queue中，然后消息消费者从queue中取出并且消费消息。
消息被消费以后，queue中不再存储，所以消息消费者不可能消费到已经被消费的消息。 Queue支持存在多个消费者，但是对一个消息而言，只会有一个消费者可以消费。
说明：
queue实现了负载均衡，将producer生产的消息发送到消息队列中，由多个消费者消费。但一个消息只能被一个消费者接受，当没有消费者可用时，这个消息会被保存直到有一个可用的消费者。
4 消息中间件的优势
41 系统解耦
交互系统之间没有直接的调用关系，只是通过消息传输，故系统侵入性不强，耦合度低。
42 提高系统响应时间
例如原来的一套逻辑，完成支付可能涉及先修改订单状态、计算会员积分、通知物流配送几个逻辑才能完成；通过MQ架构设计，就可将紧急重要（需要立刻响应）的业务放到该调用方法中，响应要求不高的使用消息队列，放到MQ队列中，供消费者处理。
43 为大数据处理架构提供服务
通过消息作为整合，大数据的背景下，消息队列还与实时处理架构整合，为数据处理提供性能支持。
44 Java消息服务——JMS
Java消息服务（Java Message Service，JMS）应用程序接口是一个Java平台中关于面向消息中间件（MOM）的API，用于在两个应用程序之间，或分布式系统中发送消息，进行异步通信。
5 消息中间件应用场景
51 异步通信
有些业务不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。
52 解耦
降低工程间的强依赖程度，针对异构系统进行适配。在项目启动之初来预测将来项目会碰到什么需求，是极其困难的。通过消息系统在处理过程中间插入了一个隐含的、基于数据的接口层，两边的处理过程都要实现这一接口，当应用发生变化时，可以独立的扩展或修改两边的处理过程，只要确保它们遵守同样的接口约束。
53 冗余
有些情况下，处理数据的过程会失败。除非数据被持久化，否则将造成丢失。消息队列把数据进行持久化直到它们已经被完全处理，通过这一方式规避了数据丢失风险。许多消息队列所采用的”插入-获取-删除”范式中，在把一个消息从队列中删除之前，需要你的处理系统明确的指出该消息已经被处理完毕，从而确保你的数据被安全的保存直到你使用完毕。
54 扩展性
因为消息队列解耦了你的处理过程，所以增大消息入队和处理的频率是很容易的，只要另外增加处理过程即可。不需要改变代码、不需要调节参数。便于分布式扩容。
55 过载保护
在访问量剧增的情况下，应用仍然需要继续发挥作用，但是这样的突发流量无法提取预知；如果以为了能处理这类瞬间峰值访问为标准来投入资源随时待命无疑是巨大的浪费。使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。
56 可恢复性
系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。
57 顺序保证
在大多使用场景下，数据处理的顺序都很重要。大部分消息队列本来就是排序的，并且能保证数据会按照特定的顺序来处理。
58 缓冲
在任何重要的系统中，都会有需要不同的处理时间的元素。消息队列通过一个缓冲层来帮助任务最高效率的执行，该缓冲有助于控制和优化数据流经过系统的速度。以调节系统响应时间。
59 数据流处理
分布式系统产生的海量数据流，如：业务日志、监控数据、用户行为等，针对这些数据流进行实时或批量采集汇总，然后进行大数据分析是当前互联网的必备技术，通过消息队列完成此类数据收集是最好的选择。
6 消息中间件常用协议
61 AMQP协议
AMQP即Advanced Message Queuing Protocol,一个提供统一消息服务的应用层标准高级消息队列协议,是应用层协议的一个开放标准,为面向消息的中间件设计。基于此协议的客户端与消息中间件可传递消息，并不受客户端/中间件不同产品，不同开发语言等条件的限制。
优点：可靠、通用
62 MQTT协议
MQTT（Message Queuing Telemetry Transport，消息队列遥测传输）是IBM开发的一个即时通讯协议，有可能成为物联网的重要组成部分。该协议支持所有平台，几乎可以把所有联网物品和外部连接起来，被用来当做传感器和致动器（比如通过Twitter让房屋联网）的通信协议。
优点：格式简洁、占用带宽小、移动端通信、PUSH、嵌入式系统
63 STOMP协议
STOMP（Streaming Text Orientated Message Protocol）是流文本定向消息协议，是一种为MOM(Message Oriented Middleware，面向消息的中间件)设计的简单文本协议。STOMP提供一个可互 *** 作的连接格式，允许客户端与任意STOMP消息代理（Broker）进行交互。
优点：命令模式（非topic\queue模式）
64 XMPP协议
XMPP（可扩展消息处理现场协议，Extensible Messaging and Presence Protocol）是基于可扩展标记语言（XML）的协议，多用于即时消息（IM）以及在线现场探测。适用于服务器之间的准即时 *** 作。核心是基于XML流传输，这个协议可能最终允许因特网用户向因特网上的其他任何人发送即时消息，即使其 *** 作系统和浏览器不同。
优点：通用公开、兼容性强、可扩展、安全性高，但XML编码格式占用带宽大
65 其他基于TCP/IP自定义的协议
有些特殊框架（如：redis、kafka、zeroMq等）根据自身需要未严格遵循MQ规范，而是基于TCP\IP自行封装了一套协议，通过网络socket接口进行传输，实现了MQ的功能。
7 常见消息中间件MQ介绍
71 RocketMQ
阿里系下开源的一款分布式、队列模型的消息中间件，原名Metaq，30版本名称改为RocketMQ，是阿里参照kafka设计思想使用java实现的一套mq。同时将阿里系内部多款mq产品（Notify、metaq）进行整合，只维护核心功能，去除了所有其他运行时依赖，保证核心功能最简化，在此基础上配合阿里上述其他开源产品实现不同场景下mq的架构，目前主要多用于订单交易系统。
具有以下特点：
官方提供了一些不同于kafka的对比差异：
>
1）情况许可时，应使用几种测试工具或手段分别独立进行测试，并将结果相互印证，避免单一工具或测试手段自身缺陷影响结果的准确性；
2）对于不同的系统，性能关注点是有所区别的，应该具体问题具体分析；
3）查找瓶颈的过程应由易到难逐步排查：
服务器硬件瓶颈及网络瓶颈（局域网环境下可以不考虑网络因素）
应用服务器及中间件 *** 作系统瓶颈（数据库、WEB服务器等参数配置）
应用业务瓶颈（SQL语句、数据库设计、业务逻辑、算法、数据等）
4）性能调优过程中不宜对系统的各种参数进行随意的改动，应该以用户配置手册中相关参数设置为基础，逐步根据实际现场环境进行优化，一次只对某个领域进行性能调优（例如对CPU的使用情况进行分析），并且每次只改动一个设置，避免相关因素互相干扰；
5）调优过程中应仔细进行记录，保留每一步的 *** 作内容及结果，以便比较分析；
6）性能调优是一个经验性的工作，需要多思考、分析、交流和积累；
7）了解“有限的资源，无限的需求”；
8）尽可能在开始前明确调优工作的终止标准。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）