理解TPS趋势分析
在性能分析中，前端性能工具，我们只需要关注几条曲线就够了：TPS、响应时间和错误率。这是我经常强调的。
但是关注TPS到底应该关注什么内容，如何判断趋势，判断了趋势之后，又该如何做出调整，调整之后如何定位原因，这才是我们关注TPS的一系列动作。
今天，我们通过一个实际的案例来解析什么叫TPS的趋势分析。
案例描述
这是一个案例，用一个2C4G的Docker容器做服务器。结构简单至极，如下图所示：
当个人电脑（上图中的压力工具1）测试云端服务器时，达到200多TPS。但是当用云端同网段压力机（上图中压力工具2）测试时，TPS只有30多，并且内网压力机资源比本地压力机资源要高出很多，服务器资源也没有用完。
在这样的问题面前，期通常都会有一堆的问题要问。
- 现象是什么
- 脚本是什么
- 架构是什么
- 用了那些监控工具
- 看了那些计数器
在分析之前，这些问题都是需要收集的信息，而实际上在分析过程中，我们会发现各种数据的缺失，特别是远程分析的时候，对方总是不知道应该给出什么数据。
我们真多这个案例实际说明一下。
这个案例的现象是TPS低，资源用不上。
下面是一个RPC脚本的主要代码部分。
JMeter脚本关键部分
在这个脚本中，逻辑非常简单，一个RPC接口：1.发出请求2.返回响应3.打印返回信息。
本机跑出来的结果如下：
在这个案例中，参数化数据就是根据真实的业务量来计算的，这个可以肯定没有问题。
那么架构呢？在最上面的图中已经有了部署的说明。在逻辑实现上，也就是一个很简单的服务端，内部并没有复杂的逻辑。所用到的监控工具是top、Vmstat。看了CPU、内存、I/O等计数器。
下面我们开始分析。
第一阶段
对公网的测试来说，基本上压力都会在网络上，因为出入口带宽会成为瓶颈，所以先要看一眼自己的带宽用到了多少，再比对一下出口路由上的带宽。
这里1Gbps只用到了0.01%，也就是（1000/8）*0.01%=12.5k（这里是将带宽bit换成byte计算）
在这样的带宽使用率之下，即使是公网也不见得会有问题，更别说实在内网了。可见贷款不是瓶颈点。
既然这样，我们直接在内网李来做分析，看原因是什么。
但是我们要以什么样的场景来跑呢？因为带宽现在看用的并不多，但TPS也上不去。首先应该想到的场景就是把TPS曲线做出梯度来。
为什么要这么做？最重要的就是要知道到底TPS在多少压力线程下会达到最大值，也就是我在各种场合经常强调的一个场景，最大TPS场景。关于这种曲线，我们不需要性能指标应该就可以做的出来。如下图所示：
在一个既定的场景、既定数据。既定环境的压力场景中，我们一定要拿到这样趋势的TPS和RT曲线。其中绿色和红色的点都是不需要业务指标来限定的，而是通过压力场景中观察TPS趋势线来确定。
我来解读一下这个趋势图：
- 响应时间一定是从低到高慢慢增加的。
- TPS一定也是从低到高慢慢增加的，并且在前面的梯度中，可以和线程数保持正比关联。举例来说，如果1个线程TPS是10，那2个现成的TPS要在20.依次类推。
而在这个例子中，前面有提到100线程1秒加载完，这样的比例完全看不出梯度在哪里，所以，改为100秒加载100个线程，再来看看梯度。
测试结果如下：
从结果中可以看出几点：
- TPS梯度一点也没看出来。为什么说没看出来？这里我发一个有明显梯度的TPS曲线出来以备参考（这张图不是本实例中的，只是用来作分析比对）：
2、响应时间增加的太快了，明显不符合前面我们说的那个判断逻辑。那什么才是我们判断的逻辑呢？这里我发一个明显梯度的出来以备参考（这张图不是本实例中的，只是用来作分析比对）：
- 粒度太粗，对一个duration只有5分钟的场景来说，这样的粒度完全看不出过程中的毛刺。
- 至少看到内网的TPS能到180了，但是这里没有做过其它改变，只是把Ramp-up放缓了一些，所以我觉得这个案例的信息是有问题的。
第二阶段
针对以上的问题，下面我们怎么玩？我们列一下要做的事情。
- 将Ramp-up再放缓，改为300秒。这一步是为了将梯度展示出来。
- 将粒度改小，JMeter默认是60s，这里改为1秒。这一步是为了将毛刺显示出来。
强调一点，如果不是调优过程，而是为了出结果报告的话，粒度可以设置大一些。至于应该设置为多大，完全取决于目标。
接着我们再执行一遍，看看测试结果：
这样看下来，有点意思了哈。明显可以看到如下几个信息了。
- 响应时间随着线程的增加而增加了。
- TPS梯度还是没有出来。
显然还是没有达到我们说的梯度的样子。但是这里我们可以看到一个明显的信息，线程梯度已经算是比较缓的了，为什么响应时间还是增加的那么快？这时的服务端压力情况是怎样的呢？如下所示：
从监控图大概看一下，服务端CPU、内存、网络几乎没用到多少，有一种压力没有到服务端的感觉。
在这一步要注意，压力在哪里，一定要做出明确的判断。
在这里我们感觉服务端没有压力的时候，一定要同时查看网络连接和吞吐量、队列、防火墙等等信息。查看队列是非常有效的判断阻塞在哪一方的方式。
如果服务端的send – Q积压，那就要查一下压力端了。如下所示：
在网络问题的判断中，我们一定要明确知道到底在哪一段消耗时间。我们来看一下发送数据的过程：
从上图可以看出，发送数据是数据是先放到tcp_wmem缓存中，然后通过tcp_transmit_skb()放到TX Queue中，然后通过网卡的环形缓冲区发出去。而我们看到的send – Q就是Tx队列了。
查看压力端脚本，发现一个问题。
一般情况下，我们在调式脚本的时候会打印日志，因为要看到请求和响应都是什么内容。但是压力过程中，基本上我们都会把日志关掉。一定要记住这一点，不管是什么压力工具，都要在压力测试中把日志关掉，不然TPS会受到很严重的影响。
了解JMeter工具的都知道-n参数命令行执行，并且不打印详细的返回信息的。但是这里，一直在打印日志，并且这个日志在JMeter中执行时加了-n参数也是没用的。
这样一来，时间全消耗在打印日志中了。知道这里就好办了。我们在这里做两件事情：
- 把打印日志这一行代码注释掉，再执行一遍。
- 把ramp – up时间增加到600秒。
为什么我要执着于把ramp – up时间不短增加？在前面也有强调，就是要知道TPS和响应时间曲线的趋势。
在性能分析过程中，我发现有很多性能工程师，都是看平均值、最大值、最小值等等这些数据，并且也只是描述这样的数据，对曲线的趋势一点也不敏感。这是完全错误的思路，请注意，做性能分析一定要分析曲线的趋势，通过趋势的合理性来判断下一步要做的事情。
什么叫做对曲线的趋势敏感？就是要对趋势做出判断，并且要控制曲线的趋势。
有时，我们经常会看到TPS特别混乱的曲线，像前面发的TPS图一样，抖动夫妇非常大，这种情况就是完全不合理的，在遇到这种情况时，一定要记得降低压力线程。
你可能会问，降多少呢？这里会有一个判断的标准，就是一直降到TPS符合我们前面看到的那个示意图为止。
再给你一个经验，如果实在不知道降多少，就从一个线程开始递增，直到把梯度趋势展示出来。
第三阶段
通过注释掉打印日志代码，可以得到如下结果：
从TPS曲线上可以看到，梯度已经明显出来了。再有一个用户的时候，一秒就能达到1000多TPS，并且在持续上升；两个线程时达到2500以上，并且也在直线上升的。
从响应时间来看，也是符合这个趋势的，前面都在1ms以下，后面慢慢变长。
压力越大，曲线的毛刺就会越多，所以在TPS达到6000以后，后面的TPS在每增加一个线程，都会出现强烈的抖动。
在这种情况下，我们再往下做，有两条路要走，当然这取决于我们的目标是什么。
- 接着加压，看系统什么时候崩溃。做这件事情的目标是找到系统的崩溃点，在以后避免出现。
- 讲线程最大值设置为10，增加ramp – up的时间，来看一下更明确地递增梯度，同事分析在线程增加过程中，系统资源分配对TPS的影响，以确定线上应该做相对应的配置。
总结
在这个案例中，我们将TPS从150多调到6000以上，就是因为一句日志代码。
我分析过非常多的性能案例，到最后发现，很多情况都是由各种简单的因素导致的，这一反差也会经常让人为这一路分析的艰辛不值得。
但我要说的是，性能分析就是这样，当你不知道问题在哪里的时候，有一个思路可以引导着你走向最终的原因，那才是最重要的。
我希望通过本文可以让你领悟到，趋势这个词对曲线分析的重要性。在本文中，我们通过对曲线的不合理性做出判断，你需要记住以下三点：
- 性能分析中，TPS和响应时间的曲线是要有明显的符合逻辑趋势的。如果不是，则要降线程，增加ramp – up来让TPS趋于平稳
- 我们要对曲线的趋势敏感，响应时间的增加不可以过于陡峭，TPS的增幅在一开始要和线程数对应。
- 当TPS和响应时间曲线抖动过于强烈，要想办法让曲线平稳下来，进而分析根本原因，才能给出线上的建议配置。
思考题
ramp – up配置有设么样的作用？
为什么说压力工具中TPS和响应时间曲线抖动过大会不宜与分析？
Ramp-up 配置有什么样的作用？
答：Ramp-up 配置的时间是指启动所有配置的线程总数所用的时间，例如设置的线程总数为500，Ramp-up设置的时间为50s,意为：启动500个线程数需要50s，平均为每一秒启动10个线程
为什么说压力工具中 TPS 和响应时间曲线抖动过大会不易于分析？
答：性能分析一定要分析曲线的趋势，通过趋势的合理性来判断性能瓶颈所在的原因，光靠平均值、最大值、最小值、中位数是无法确切的分析处压测过程中服务器的具体情况，只有通过分析曲线趋势，增加对趋势的敏感程度才是压测过程中更好的保障和前提。