其中，优化项所有内容必须满足，附加项可以不满足，在评测结果中Y代表满足、N代表不满足、Null代表无优化项相关技术。评测结果共分为A、B、C、D、E和U六个级别。具体对应关系如下表所示：

表2 评级标准

　　4.2 后端性能测试方法

　　测试主要采用商业级别的性能测试工具进行测试，如HP Loadrunner。通过大规模模拟实际用户的操作行为，测试核心售票系统中注册、浏览、座位选择、支付等关键业务的响应时间和服务器实时处理能力，重点关注CPU、内存、I/O等信息，为操作系统、中间件和数据库以及服务器的性能优化和调整提供数据依据。

　　通常情况下，数据中心中用于支撑售票业务的服务器多达几百台，通过软件在测试中进行监控更容易实现，如UC Berkeley的开源集群监视软件Ganglia。Ganglia的核心包含gmond、gmetad以及一个Web前端，通过自动解析linux操作系统proc目录下的文件来获取操作系统的主要性能指标。Ganglia带来的系统负载非常少，几乎不会影响被监控系统性能。对于中间件和数据库等基础软件，可采用其自带的监视器或命令来获取性能指标。

　　在测试场景设计中，应考虑准确模拟混合业务的并发操作，以及过载访问的情况，可借鉴下表中的思路进行测试：

表3后端性能测试场景

　　通过测试考察运行环境的抗压能力，在成本和风险可接受范围内对整个运行环境进行合理优化，提高核心售票系统的处理能力。总的来说，高效的核心售票系统在上线前达到以下要求：

　　A、核心业务模块中无明显效率低下的模块

　　B、多个数据中心间实现了良好的负载均衡，整个运行环境中不存在明显的服务器资源消耗过度的情况

　　C、整个运行环境的网络承受负载的能力良好，各银行支付网点进行了合理的组网规划，网站与支付系统的流量实现良好分离

　　D、在正常和过载情况下，系统的定单数量/小时指标在合理范围内，代理服务器、交易服务器以及数据库服务器的资源消耗合理

　　5、总结

　　通过分析大型票务系统的访问特点和规律，提出了大型票务系统的性能测试策略和方法，该方法经具备普遍的合理性和较强的操作性，但是该方法还有待在更多大型票务系统性能测试中进行应用和完善。