14.2  性能测试结果分析方法

　　在14.1节中我们学习了对于性能测试数据有效性的判断，并且利用统计学知识与以往经验从中可以得到性能概况。另外，还可以根据几条经验规则对怀疑数据进行剔除。在本节中将讲解如何对现有有效的数据进行分析，并据此得到性能好与坏的结论，为编写性能测试报告做准备。

　　对性能测试结果进行分析需要依次进行以下几个步骤：

　　（1）判断影响性能的因素。

　　（2）运用隔离、对比等方法进行趋势判断。

　　（3）记录各个结果，发现规律。

　　14.2.1  判断影响性能的因素

　　判断影响Web应用性能的因素其实一般发生在性能测试的设计阶段，但列在这里也是适当的，因为：

　　在实际工作中，设计阶段可能对于影响因素考虑不足，导致有些因素没有考虑到。这种情况会令测试结果不完全，要增加测试的运行。

　　设计阶段也可能出现考虑影响因素过多的情况，这需要在测试数据中进行判断，从而将无关的因素去除。该情况下那些多余的测试结果并非没有益处，因为正是它们，使得性能测试工程师得以发现了无关因素。

　　在Web应用领域，影响性能的因素有用户数量、服务器性能（请见前面章节有关性能计数器的部分）、网络带宽、客户端软件配置等多种。由于这些因素是综合起作用的，它们对Web应用的影响可以组合出很多种情况，其中部分如表14-6所示。

　　表14-6  影响性能各因素的部分组合

　　可以知道，这样的组合还有很多种，如果都针对它们进行测试，在大多数情况下（时间、人力、软件发布要求等要求比较严格紧迫）是不可能完成的任务。因此，有必要使用隔离的方法进行精简。

　　不过，值得一提的是，对性能做出正确判断需要足够多的测试数据。

　　14.2.2  隔离与对比

　　隔离、对比是常见的生成、分析数据的方法。通俗地讲，隔离就是指固定其他的影响因素，只变化剩余那个影响因素的方法。对于表14-6的情况来说，我们只需要测试4种情况就可以了，即：

　　用户数量变化，其他因素不变的情况。

　　服务器性能变化，其他因素不变的情况。

　　网络带宽变化，其他因素不变的情况。

　　客户端软件配置变化，其他因素不变的情况。

　　这样一来，问题得到了简化，同时，各因素的影响规律也能够被发现。

　　并列是分析数据的方法，特别适用于将数据生成为图表的情况下。它可以分为纵向比较与横向比较。

　　【纵向比较】

　　所谓纵向比较就是在同一个影响因素数值变化、其他因素固定的情况下，将多次测试结果并列在一张图表当中进行分析，从而发现该因素对性能的影响规律。比如针对表14-6中的数据，可以将用户数量分别是100、1000、10000的时候制表进行比较，发现用户数量对于性能的影响规律。

　　【横向比较】

　　而横向比较则是将多次纵向比较的结果，并列在一张图表中，从中发现各因素之间的关系或者性能的变化趋势。这多用于判断性能的优化成果。比如针对表14-6中的数据，可以在优化前与优化后进行不同用户数量的测试，如果测试结果曲线变化明显不同，则可说明优化的效果好坏。