PV TPS 关系

PV计算模型
为了让性能测试的PV计算更接近生产线真实情况，利用现有最新的数据得出性能测试PV的计算公式。
首先，通过http://monitor.taobao.com采集现有数据，图10所示的是任意选择一天得到的分布图， 6:00AM到次日的6:00AM，共24小时。 10
TAOBAO PERF-TEST
淘宝性能测试团队 淘宝性能测试白皮书
图10
经过长期监控，发现任何一天的分布图都与上图类似，故将这种分布视为整个淘宝网的浏览量分布。
其次，进行数据统计：为了和目前真实情况更接近，选择最近一段时间的数据分布来做样本，记录下系统能够监控到的最短时间间隔的数据，考察其值的走势，并且找出每一天的最大值，抽样出每个时刻的值与当天最大值的比例，以此比例值的趋势，得出数据分布趋势，如图11所示。
监控系统最精确可以采集到每3分钟的数据，一天24小时可以采集到480个点。 00.20.40.60.81
图11
采用微积分思想，将每个时间点视为一个矩形，可以通过求和的方式求出整个分布图的面积，如图12所示。 00.10.20.30.40.50.60.70.80.91 11
TAOBAO PERF-TEST
淘宝性能测试团队 淘宝性能测试白皮书
图12
根据80/20原理，找出占据总体面积80%所用的时间，再计算出平均PV量。选择尽可能大的点计算出占据总体80%的面积，发现点的个数是240，那么意味着此时间长度为总时间长度的50%，则80/20原则在此可以转换成80/50原则，则有
每台服务器每秒平均PV量 = (80%*总PV)/(24*60*60*(240/480))/服务器数量
整理后得 每台服务器每秒平均PV量 = (1.6*总PV)/ (24*60*60) /服务器数量
进而计算出占总面积80%的PV平均值与整个图中的最高峰值的比，可以得出最高峰的PV量是1.2倍的平均PV量。
即 每台服务器每秒高峰PV量 = (1.2*1.6*总PV)/(24*60*60) /服务器数量
整理后得 每台服务器每秒高峰PV量= (1.92*总PV)/(24*60*60) /服务器数量
PV->TPS转换模型
为了使PV在性能测试环境下可量化，根据PV的概念，通过以下方式将其转换成TPS。
1.
性能测试脚本中，只保留与性能点相关的内容，异步处理的，保留多个请求，从而确保压力目标。
2.
在执行场景中，不模拟浏览器缓存，确保每次请求都到达应用服务器，使得LoadRunner的一个请求等同于一个PV。
3.
在执行场景中，每次迭代，都模拟一个新用户，而且清除用户缓存信息，确保每个用户每次发送请求都是全新的。
结论：通过以上三步，将PV转化成性能测试工具可识别的TPS。换言之，1PV=1TPS