一、梯度压测核心逻辑

阶梯式加压策略：

从基线并发（如1万）起步，按20%增量逐步提升压力（1万→1.2万→1.44万→1.73万→2.08万）。每级压力稳定运行3-5分钟，记录TPS、响应时间、错误率三维指标。通过观察指标突变，锁定系统承载临界值。

拐点判定法则：

吞吐量拐点：TPS增幅低于并发增幅的50%（如并发升20%，TPS仅增5%）。

延迟拐点：P99响应时间突破业务容忍阈值（如从200ms突增至800ms）。

错误拐点：连续出现超时或5xx错误（错误率>0.1%）。

二、四步定位性能拐点

第一步：分层监控瓶颈

系统层：top监控CPU%sys>30%为内核瓶颈；iostat检测磁盘%util>80%且await>10ms为I/O瓶颈。

应用层：JVM使用jstack统计BLOCKED线程占比>10%表锁竞争；数据库SHOW PROCESSLIST分析慢查询堆积。

第二步：动态加压采集

初始值为预估并发的50%（例：目标10万则从5万起）。

每级加压20%，间隔2分钟，实时记录三指标。

第三步：拐点精准标定

取突变前一级并发量为最优值（例：17.3万并发时TPS=1.2万/响应时间=0.8s；20.8万并发时响应时间=1.5s → 拐点为17.3万）。

第四步：根因分析与调优

CPU瓶颈 → 优化线程池/算法逻辑/热点缓存。

I/O瓶颈 → 批量读写/SSD升级/句柄扩容。

数据库瓶颈 → 慢查询索引优化/读写分离。

三、十万级并发压测关键技术

分布式集群支撑：

百台压测机构建集群：主机配置remote_hosts=ip1:1099,ip2:1099，从机启动jmeter-server。

避免单机端口耗尽：优化jmeter.properties网络参数，禁用冗余监听器。

参数化海量数据：

千万级用户数据预存Redis，JMeter通过BeanShell分段读取。

CSV文件分片策略：拆分为200份按线程号动态加载。

四、结果验证与资源规划

验收达标条件：

拐点并发下持续运行10分钟，TPS波动<10%、P99延迟≤阈值、错误率<0.1%。

容量规划公式：

理论最大并发 = 稳定RPS × 平均响应时间（例：RPS=793/s × 160ms ≈ 127并发）。

生产环境预留1.5倍冗余（例：实测拐点17.3万 → 建议容量26万）