性能测试报告

本报告通过本地 JMeter 与阿里云 PTS 测试，在确保系统无单点性能故障前提下，选取最耗性能的“进入考试”接口作为测试标准，聚焦接口 API 并发性能，既获取了云帆考试系统的真实性能指标，也为客户选购服务器硬件提供了数据依据；本地测试适用于低并发场景，云测试则在高并发下更精准；基于云端数据库（性能充足假设），实际硬件选购需按具体并发需求确定。

测试硬件信息

数据库

数据库类型：阿里云RDS
数据库规格：弹性数据库，内存[1-16G]，CPU[0.5-8核]，最大连接数10520

Redis

Redis类型：云数据库Tair（兼容Redis）
Redis规格：内存1GB/最大连接数10000

应用服务器

基于阿里云Serverless应用引擎SAE，可实现POD弹性伸缩，便于测试不同服务器配置与数量组合，并基于相同实例规格生成性能报告。

测试场景

模拟用户登录系统后，在瞬时发起高并发请求（如1000并发用户），批量调用进入考试接口，并监测其响应速度与关键性能指标。

由于进入考试涉及较为耗时的业务操作（需执行大量数据读写），该接口的响应时间在10秒以内通常可接受。

线程组循环1次，快速达到并发峰值

在1秒内集结全部线程，实现并发操作

并发量说明

系统的并发处理能力（并发量） 不等于其可承载的实际用户总数。实际可支撑的并发用户数通常为并发量的 3 倍或更高，具体倍数需根据业务场景动态评估。

关键差异解析

在线用户并非时刻与系统进行高频交互。例如：

• 用户可能存在阅读、思考、短暂离开等行为（即“思考时间”）；
• 系统可充分利用操作间隙处理其他请求，从而提升整体承载效率。

考试场景示例

• 并发量指标： 500（即系统每秒可同时处理 500 个请求）
• 实际承载用户数： ≈1500 名考生
• 原因分析：
  考生在考试过程中呈现 低频率、间歇性操作特征：
  • 80% 时间用于读题、思考；
  • 仅在提交答案、翻页时产生瞬时请求；
  • 系统可高效复用闲置资源处理其他考生请求。

公式化表达：
可承载用户数 = 并发量 × 承载系数（K）
其中 K ∈ [3, N]，由业务场景的交互密度与资源消耗模型决定。

本地JMETER测试

以下为本地JMETER测试出的性能指标，供参考。

POD规格：4核CPU+4G内存 * 1台
并发数量：500
响应时间：登录868毫秒，进入考试4622毫秒

POD规格：4核CPU+4G内存 * 2台
并发数量：800
响应时间：登录406毫秒，进入考试4770毫秒

POD规格：4核CPU+4G内存 * 3台
并发数量：1000
响应时间：登录477毫秒，进入考试5509毫秒

POD规格：4核CPU+4G内存 * 5台
并发数量：1500
响应时间：登录904毫秒，进入考试6784毫秒

POD规格：4核CPU+4G内存 * 10台
并发数量：3000
响应时间：登录1780毫秒，进入考试10303毫秒

POD规格：8核CPU+8G内存 * 1台
并发数量：500
响应时间：登录383毫秒，进入考试3564毫秒

POD规格：8核CPU+8G内存 * 1台
并发数量：800
响应时间：登录646毫秒，进入考试4948毫秒

POD规格：8核CPU+8G内存 * 2台
并发数量：1500 响应时间：登录1002毫秒，进入考试6370毫秒

POD规格：8核CPU+8G内存 * 3台
并发数量：2000 响应时间：登录1002毫秒，进入考试6370毫秒

测试脚本下载

若需对已私有化部署的系统进行性能测试，请下载以下测试脚本并按实际需求修改参数：

• 测试脚本：
  https://cdn.yfhl.net/images/docs/yf-exam-performance-testing.jmx
• 测试数据：
  https://cdn.yfhl.net/images/docs/cxzwdsdata.txt
  （请按指定格式准备用户数据）

阿里云PTS云测试

鉴于本地测试环境存在固有局限——如网络带宽瓶颈及单机硬件资源（CPU、内存）约束——难以模拟真实高并发场景并获取精确性能数据。为克服此局限并确保评估结果的准确性与可靠性，我们采用阿里云PTS（性能测试服务）进行云端压测。PTS凭借其弹性资源池与分布式架构，能够有效规避单点瓶颈，生成接近真实业务压力的负载模型，从而为系统性能指标提供高置信度的基准数据。

• 服务器配置：
  • POD规格：8核CPU+8G内存 * 5台
  • 并发数量：8000
  • 响应时间：登录2119.15毫秒，进入考试3295.05毫秒

报告下载

https://cdn.yfhl.net/images/docs/F7G636UN_5pod-8cpu-8gm-8000qps_20250528194449.pdf

测试结论总结

• 纵向扩展优先：应用服务器应优先提升单台配置（增加CPU核心与内存），仅当单机性能不足时再考虑横向扩展。
• 横向扩展存在衰减效应：
  • 增加多台服务器时性能呈衰减趋势
  • 服务器过多可能导致协调损耗（如任务轮询机制），反而降低负载能力
• 本地测试存在局限性：
  • JMeter本地测试受硬件/网络环境影响
  • 高并发场景建议采用第三方云测试平台获取准确性能数据