QPS：Queries Per Second意思是“每秒查询率”，是一台服务器每秒能够相应的查询次数，是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准。
TPS：是TransactionsPerSecond的缩写，也就是事务数/秒。它是软件测试结果的测量单位。一个事务是指一个客户机向服务器发送请求然后服务器做出反应的过程。客户机在发送请求时开始计时，收到服务器响应后结束计时，以此来计算使用的时间和完成的事务个数，
理解如下：
1、Tps即每秒处理事务数，包括了
1）用户请求服务器
2）服务器自己的内部处理
3）服务器返回给用户
这三个过程，每秒能够完成N个这三个过程，Tps也就是3；
2、Qps基本类似于Tps，但是不同的是，对于一个页面的一次访问，形成一个Tps；但一次页面请求，可能产生多次对服务器的请求，服务器对这些请求，就可计入“Qps”之中。
PS：以下是性能測试的主要概念和计算公式，记录下：
一个系统的吞度量（承压能力）与request对CPU的消耗、外部接口、IO等等紧密关联。单个reqeust 对CPU消耗越高，外部系统接口、IO影响速度越慢。系统吞吐能力越低，反之越高。
系统吞吐量几个重要參数：QPS（TPS）、并发数、响应时间：
QPS（TPS）：每秒钟request/事务 数量
并发数： 系统同一时候处理的request/事务数
响应时间： 一般取平均响应时间
QPS（TPS）= 并发数/平均响应时间 或者 并发数 = QPS*平均响应时间
一个典型的上班签到系统，早上8点上班。7点半到8点这30分钟的时间里用户会登录签到系统进行签到。公司员工为1000人，平均每一个员上登录签到系统的时长为5分钟。能够用以下的方法计算。
QPS = 1000/(30*60) 事务/秒
平均响应时间为 = 5*60 秒
并发数= QPS*平均响应时间 = 1000/(30*60) *(5*60)=166.7
一个系统吞吐量通常由QPS（TPS）、并发数两个因素决定，每套系统这两个值都有一个相对极限值。在应用场景訪问压力下，仅仅要某一项达到系统最高值。系统的吞吐量就上不去了，假设压力继续增大。系统的吞吐量反而会下降。原因是系统超负荷工作，上下文切换、内存等等其他消耗导致系统性能下降。
决定系统响应时间要素
我们做项目要排计划，能够多人同一时候并发做多项任务，也能够一个人或者多个人串行工作，始终会有一条关键路径，这条路径就是项目的工期
系统一次调用的响应时间跟项目计划一样，也有一条关键路径，这个关键路径是就是系统响应时间。
关键路径是有CPU运算、IO、外部系统响应等等组成
二．系统吞吐量评估：
我们在做系统设计的时候就须要考虑CPU运算、IO、外部系统响应因素造成的影响以及对系统性能的初步预估。
而通常境况下，我们面对需求，我们评估出来的出来QPS、并发数之外，还有另外一个维度：日PV。
通过观察系统的訪问日志发现。在用户量非常大的情况下，各个时间周期内的同一时间段的訪问流量差点儿一样。比方工作日的每天早上。仅仅要能拿到日流量图和QPS我们就能够推算日流量。
通常的技术方法：
1. 找出系统的最高TPS和日PV（Page View）。这两个要素有相对照较稳定的关系（除了放假、季节性因素影响之外）
2. 通过压力測试或者经验预估，得出最高TPS，然后依据1的关系，计算出系统最高的日吞吐量。B2B中文和淘宝面对的客户群不一样
開始，系统仅仅有一个用户，CPU工作肯定是不饱合的。一方面该server可能有多个cpu，可是仅仅处理单个进程。还有一方面，在处理一个进程中，有些阶段可能是IO阶段，这个时候会造成CPU等待，可是有没有其它请 求进程可以被处理）。
随着并发用户数的添加，CPU利用率上升。QPS对应也添加（公式为QPS=并发用户数/平均响应时间。）随着并发用户数的添加。平均响应时间也在添加。并且平均响应时间的添加是一个指数添加曲线。而当并发数添加到非常大时，每秒钟都会有非常多请求须要处理。会造成进程（线程）频繁切换。反正真正用于处理请求的时间变少，每秒可以处 理的请求数反而变少。同一时候用户的请求等待时间也会变大。甚至超过用户的心理底线。
软件性能測试的基本概念和计算公式
一、软件性能的关注点
对一个软件做性能測试时须要关注那些性能呢？
我们想想在软件设计、部署、使用、维护中一共同拥有哪些角色的參与。然后再考虑这些角色各自关注的性能点是什么，作为一个软件性能測试project师。我们又该关注什么？
首先。开发软件的目的是为了让用户使用，我们先站在用户的角度分析一下，用户须要关注哪些性能。
对于用户来说，当点击一个button、链接或发出一条指令開始，到系统把结果已用户感知的形式展现出来为止。这个过程所消耗的时间是用户对这个软件性能的直观印象。
也就是我们所说的响应时间，当对应时间较小时，用户体验是非常好的，当然用户体验的响应时间包含个人主观因素和客观响应时间，在设计软件时，我们就须要考虑到怎样更好地结合这两部分达到用户最佳的体验。
如：用户在大数据量查询时，我们能够将先提取出来的数据展示给用户，在用户看的过程中继续进行数据检索，这时用户并不知道我们后台在做什么。
用户关注的是用户操作的对应时间。
其次，我们站在管理员的角度考虑须要关注的性能点
1、 对应时间
2、 server资源使用情况是否合理
3、 应用server和数据库资源使用是否合理
4、 系统是否能实现扩展
5、 系统最多支持多少用户訪问、系统最大业务处理量是多少
6、 系统性能可能存在的瓶颈在哪里
7、 更换那些设备能够提高性能
8、 系统是否能支持7×24小时的业务訪问
再次，站在开发（设计）人员角度去考虑。
1、 架构设计是否合理
2、 数据库设计是否合理
3、 代码是否存在性能方面的问题
4、 系统中是否有不合理的内存使用方式
5、 系统中是否存在不合理的线程同步方式
6、 系统中是否存在不合理的资源竞争
那么站在性能測试project师的角度，我们要关注什么呢？
一句话。我们要关注以上全部的性能点。
二、软件性能的几个主要术语
1、响应时间：对请求作出响应所须要的时间
网络传输时间：N1+N2+N3+N4
应用server处理时间：A1+A3
数据库server处理时间：A2
响应时间=N1+N2+N3+N4+A1+A3+A2
2、并发用户数的计算公式
系统用户数：系统额定的用户数量，如一个OA系统。可能使用该系统的用户总数是5000个。那么这个数量。就是系统用户数。
同一时候在线用户数：在一定的时间范围内。最大的同一时候在线用户数量。
同一时候在线用户数=每秒请求数RPS（吞吐量）+并发连接数+平均用户思考时间
平均并发用户数的计算：C=nL / T
当中C是平均的并发用户数，n是平均每天訪问用户数（login session），L是一天内用户从登录到退出的平均时间（login session的平均时间），T是考察时间长度（一天内多长时间实用户使用系统）
并发用户数峰值计算：C^约等于C + 3*根号C
当中C^是并发用户峰值。C是平均并发用户数。该公式遵循泊松分布理论。