性能测试-性能测试中的经典面试题二

一、实战场景与问题排查

1. 经典性能瓶颈定位

   • CPU飙高：

     @bash

     top→top -H -p [PID] → printf "%x" [线程ID] → jstack [PID] | grep [十六进制ID]  

     定位到代码方法。

   • 内存泄漏：
     jmap -heap 观察老年代占用 → jvisualvm 分析堆转储 → 定位未释放对象。

   • TPS上不去：
     检查压力机负载 → 网络带宽 → 中间件连接池 → 外部依赖超时。

2. 线上问题应急案例

   • MQ消息积压：扩容Consumer → 日志快照 → 复盘根因（如消费逻辑阻塞）。

   • 数据库CPU高：慢SQL分析（EXPLAIN执行计划）→ 索引优化/查询拆分。

四、架构与高阶实践

1. 全链路压测核心要点

   • 影子库/数据隔离：避免污染生产数据

   • 流量染色：标识测试请求，隔离日志监控

   • 渐进式施压：从10%流量逐步提升。

2. 性能优化策略

   • JVM层：调整新生代比例（-XX:NewRatio）、避免FGC（-XX:+UseG1GC）

   • 中间件：Tomcat线程池优化（maxThreads ≈ 单核TPS × 响应时间）

   • 缓存策略：Redis抗读并发，DB抗写。

3. 团队级性能体系建设

   • 左移测试：需求阶段定义性能指标。

   • 自动化流水线：CI集成基准测试。

   • 线上监控：建立实时告警（如TPS下跌30%）。

Q：描述一次性能调优成功案例？
A：

在电商大促项目中，压测发现订单提交接口TP50达5秒。
定位：Arthas追踪显示85%耗时在库存查询SQL → 执行计划发现全表扫描。
优化：添加复合索引（product_id + warehouse_id）→ 引入Redis缓存热点库存。
结果：TP50降至200ms，TPS从120提升至600。

 

Q：如何评估线下环境压测数据的线上可信度？
A：

• 配置对齐：CPU/内存/磁盘类型同比例缩放

• 损耗补偿：网络延迟增加20%~30%冗余

• 影子流量：复制生产流量模型回放

• 容量公式：线下单机TPS × 节点数 × 0.7（集群损耗系数）。