《性能测试二三谈》系列

《性能测试二三谈》系列

从16年4月份开始学习性能测试到现在全职做性能测试工作,差不多两年半时间。期间断断续续写了一些性能测试方法和负载工具以及监控工具相关的博客。

最近抽时间重新翻看了之前写的博客,发现有些内容缺乏思考和精准度。也为了方便自己随时查阅相关的知识,将性能测试相关的知识、工具、框架相关的内容整理出来,也算是一个Index吧。

主要会从基础篇、方法篇、分析篇、监控篇、工具篇这几部分来统计,具体见下文吧,会不断更新的。。。

 

基础篇

我第一次真正意义上接触性能测试,应该是从段念老师的《软件性能测试过程详解与案例剖析》这本书开始的。相比于后来市场上的一些性能测试工具书,

比如:《零成本实现性能测试-基于Apache Jmeter》、《软件性能测试与Loadrunner实战教程》来说,段念老师的书更贴近性能测试本质。

上面提到的2本书,其实更多还是从Jmeter或者Loadrunner这两个工具的角度去讲怎么做,而欠缺为什么如此做的内容。

1、《性能测试基础知识》

2、《性能测试类型》

3、《性能测试用例、策略和方法》

4、《性能测试应用领域》

5、《一个完整的性能测试流程》

6、《性能测试常见术语浅析》

7、《聊聊连接池和线程》

8、《如何开展性能测试》

9、《<转>性能测试指标》

10、《认清性能问题》

11、《浅析性能测试策略及适用场景》

 

从零开始篇

从零开始性能测试,应该做什么事,以及怎么做的方法论。

1、《性能测试从零开始实施指南-测试流程篇》

2、《性能测试从零开始实施指南-文档建设篇》

3、《性能测试从零开始实施指南-测试计划篇》

4、《性能测试从零开始实施指南-场景模型篇》

5、《性能测试从零开始实施指南-容量评估篇》

6、《性能测试从零开始实施指南-性能监控篇》

7、《性能测试从零开始实施指南-测试报告篇》

 

方法篇

性能测试无疑是一个很复杂的工程,采用合理的测试方法,才能使得测试结果更贴近系统实际的性能表现,为系统扩容和上线解决业务痛点提供参考。

1、《性能测试从需求分析开始》

2、《聊聊性能测试开始前的准备工作》

3、《再谈性能测试之需求调研》

4、《浅谈基准测试》

5、《聊聊基准测试的MVP方案》

6、《浅谈容量测试与容量规划》

7、《一次简单的压力测试实例》

8、《聊聊全链路压测》

9、《关于性能测试平台的一些想法》

10、《再谈全链路压测》

11、《电商大促,性能测试都在做什么?》

12、《全链路压测资料汇总——业内大厂解决方案》

13、《全链路压测第一次实践》

14、《全链路压测探索实践之路》

15、《性能测试体系建设演进之路》

16、《生产全链路压测实践之道》

17、《思考:如何保证服务稳定性?》 

18、《<转>二十问全链路压测干货汇总(上)》

 

分析篇

性能测试过程中,会遇到很多意想不到的问题,或者说瓶颈。如何根据测试结果分析并定位瓶颈,是性能测试中最重要的一项工作。

1、《性能瓶颈分析方法》

2、《前端性能优化方法》

3、《性能测试中TPS上不去的几种原因浅析》

4、《聊聊性能优化模式》

5、《常见的性能测试缺陷》

6、《性能测试常见瓶颈分析及调优方法》

PS:关于性能瓶颈分析定位的相关内容,目前还是草稿箱状态,后续会不断更新。。。

 

工具篇

工欲善其事,必先利其器。好的工具可以辅助我们更好的完成工作,提高工作效率。

1、《jmeter:菜鸟入门到进阶》系列

2、《Locust:简介和基本用法》

3、《基准测试工具:Wrk初识》

PS:关于jmeter,请看具体内容;关于python开发的性能测试框架Locust,目前正在学习和实践中,后续会不断更新。。。

 

监控篇

对服务器、数据库、网络甚至硬件设备的状态监控,是性能测试中很重要的一环。只有实时了解被测应用的各方面状态,才能更好的进行后续工作。

1、《服务端监控工具:Nmon使用方法》

2、《时序数据库InfluxDB:简介及安装》

3、《数据采集工具Telegraf:简介及安装》

4、《可视化工具Grafana:简介及安装》

5、《性能测试监控平台:InfluxDB+Grafana+Jmeter》

6、《Nmon实时监控并生成HTML监控报告》

7、《浅谈全链路监控》

8、《nmon2influxdb+influxdb:服务监控可视化部署》

 

其他

关于性能测试岗位面试,关于团队文化建设,关于一些思考和学习资料链接。。。

1、《性能测试岗位常见面试题》

2、《务虚:建立团队的性能文化》

3、《性能测试相关资料链接》

4、《性能测试之思》

5、当我们讨论性能测试时,我们在说什么?

6、《性能测试工程师,面试都问什么?》

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值