qileilove

　　其中，优化项所有内容必须满足，附加项可以不满足，在评测结果中Y代表满足、N代表不满足、Null代表无优化项相关技术。评测结果共分为A、B、C、D、E和U六个级别。具体对应关系如下表所示：

表2 评级标准

　　4.2 后端性能测试方法

　　测试主要采用商业级别的性能测试工具进行测试，如HP Loadrunner。通过大规模模拟实际用户的操作行为，测试核心售票系统中注册、浏览、座位选择、支付等关键业务的响应时间和服务器实时处理能力，重点关注CPU、内存、I/O等信息，为操作系统、中间件和数据库以及服务器的性能优化和调整提供数据依据。

　　通常情况下，数据中心中用于支撑售票业务的服务器多达几百台，通过软件在测试中进行监控更容易实现，如UC Berkeley的开源集群监视软件Ganglia。Ganglia的核心包含gmond、gmetad以及一个Web前端，通过自动解析linux操作系统proc目录下的文件来获取操作系统的主要性能指标。Ganglia带来的系统负载非常少，几乎不会影响被监控系统性能。对于中间件和数据库等基础软件，可采用其自带的监视器或命令来获取性能指标。

　　在测试场景设计中，应考虑准确模拟混合业务的并发操作，以及过载访问的情况，可借鉴下表中的思路进行测试：

表3后端性能测试场景

　　通过测试考察运行环境的抗压能力，在成本和风险可接受范围内对整个运行环境进行合理优化，提高核心售票系统的处理能力。总的来说，高效的核心售票系统在上线前达到以下要求：

　　A、核心业务模块中无明显效率低下的模块

　　B、多个数据中心间实现了良好的负载均衡，整个运行环境中不存在明显的服务器资源消耗过度的情况

　　C、整个运行环境的网络承受负载的能力良好，各银行支付网点进行了合理的组网规划，网站与支付系统的流量实现良好分离

　　D、在正常和过载情况下，系统的定单数量/小时指标在合理范围内，代理服务器、交易服务器以及数据库服务器的资源消耗合理

　　5、总结

　　通过分析大型票务系统的访问特点和规律，提出了大型票务系统的性能测试策略和方法，该方法经具备普遍的合理性和较强的操作性，但是该方法还有待在更多大型票务系统性能测试中进行应用和完善。

　　3.2 后端性能评价方法

　　由于票务系统通常在短时间内进行集中售票，存在短时间内访问量陡增、售票期间持续高压力以及与银行支付业务紧密相关等特点，因此保证大压力下的核心售票系统能够提供高性能的服务水平，将直接影响终端用户的购票体验。糟糕的用户体验包括：

　　A、超长的等待时间

　　B、页面无响应

　　C、支付失败

　　从性能测试角度看，整个运行环境在承受来自世界各地高强度的并发访问过程中，可能存在以下问题：

　　A、网络拥塞导致页面请求响应缓慢或超时报错

　　B、页面刷新机制导致在用户锁票、坐席分配以及支付阶段时，用户等待时间增长，订单处理速度急剧下降

　　C、大量的金额统计以及票务更新导致交易服务器和后台数据库繁忙

　　D、大量的VISA卡支付操作导致支付网点服务器繁忙，处理效率底下

　　为准确模拟实际情况，需将历史经验同本次售票方案相结合，预计并发访问人数、网点规模、数据规模等指标，在保证数据中心实现良好数据共享的情况下，测试的重点应涉及一下几个方面：

　　A、网络负载

　　B、多个数据中心间的负载均衡

　　C、峰值期间每小时定单数量

　　D、代理服务器、交易服务器、数据库服务器的资源消耗情况

　　E、长时间高效服务的能力

　　4、大型票务系统性能测试方法

　　4.1 前段性能测试方法

　　前端性能主要的评测工具有Google的Page Speed和Yahoo的YSlow。Google开发团队针对SteveSounder网页性能最优方法，成功地推出一款基于Firefox/Firebug的开发类插件Page Speed，旨在帮助开发人员分析网站性能存在的主要问题，并有针对性地提出优化改进意见。它支持的操作系统为Linux、Mac、Windows。在此之前， Google内部已经广泛使用PageSpeed优化网页前端性能。YSlow是有雅虎公司开发的免费前端性能检测工具。YSlow通过检测网页上的所有组件，包括JavaScript动态创建的组件，分析网页的前端性能。同时，YSlow依据前端性能的分析结果提出改进建议。

　　在应用上述两款任意一款给你工具进行测试后，将测试结果对应的填入下面的前段性能评测记录表中。

表1 前段性能评测记录表