📌 负载模型设计
1. 负载模型核心要素
负载模型（Load Model）是对生产环境真实流量特征的抽象与量化描述， 是性能测试方案设计的核心输入。一个精准的负载模型能够确保性能测试结果真实反映系统在生产环境中的表现。 在银行业，负载模型的设计需要充分考虑业务特点、用户行为规律和系统架构特性。
负载模型五大核心要素
| 要素 | 说明 | 数据来源 |
|---|---|---|
| 1. 业务比例 | 各业务交易的调用比例关系（如转账:查询:缴费 = 30:50:20） | 生产日志分析、APM数据 |
| 2. 并发规模 | 同时在线/活跃的用户数或连接数 | 用户行为分析、会话日志 |
| 3. 峰值系数 | 峰值流量与平均流量的比值 | 历史峰值数据统计 |
| 4. 时间分布 | 流量在时间维度上的分布特征（小时级、日级、月级波动） | 时序监控数据 |
| 5. 数据形态 | 请求参数的分布特征（如交易金额分布、账户类型分布） | 业务数据分析 |
💡 银行流量特征
银行系统的流量具有显著的周期性和脉冲性特征。典型表现为：
工作日流量 > 周末流量；每月月初/月末流量 > 月中流量；
每日9:00-11:00和14:00-16:00为交易高峰；季度结息日（3/6/9/12月21日）出现超级峰值。
负载模型设计必须覆盖这些关键时间窗口。
2. 业务比例模型
业务比例模型定义了性能测试中各交易类型的调用占比，是负载模型最核心的组成部分。 银行系统业务比例模型通常基于生产环境交易日志统计分析得出。
2.1 比例模型构建方法
四步构建法
- 交易分类：将系统所有交易按业务类型分组（如查询类、交易类、管理类），每组包含具体交易码
- 数据采样：取最近30天（覆盖一个完整业务周期）的生产交易日志，按小时粒度统计各交易调用次数
- 权重计算：计算各交易类型在总调用量中的占比，选取峰值时段占比作为测试基准
- 验证校准：对比不同周期数据，确保比例稳定（波动 ±5% 以内），否则需分段建模
2.2 银行典型业务比例模型
| 系统 | 交易类型 | 占比 | 典型TPS | 备注 |
|---|---|---|---|---|
| 个人网银 | 余额查询 | 45% | 4500 | 高频低耗 |
| 转账汇款 | 20% | 2000 | 事务类，含风控校验 | |
| 交易明细查询 | 20% | 2000 | 中等复杂度 | |
| 理财购买/赎回 | 15% | 1500 | 复杂事务，多系统调用 | |
| 核心账务 | 记账交易 | 35% | 2800 | 核心写入路径 |
| 冲正/调账 | 5% | 400 | 补偿型交易 | |
| 批量处理 | 60% | 4800 | 跑批场景，非实时 | |
| 支付系统 | 快捷支付 | 50% | 5000 | 高并发低延迟 |
| 网关支付 | 30% | 3000 | 含银行路由 | |
| 代收代付 | 20% | 2000 | 批量接口 |
3. 并发模型
并发模型描述系统在某一时刻同时处理的请求数量及其变化规律。 银行业系统中，并发用户数与实际TPS并非线性关系，需要根据思考时间（Think Time） 和业务节奏（Pacing）进行换算。
3.1 并发数计算模型
核心换算公式
并发数 = TPS × 平均响应时间（Little's Law）
虚拟用户数 = 并发数 × (思考时间 + 响应时间) / 响应时间
Pacing = 虚拟用户数 / 目标TPS（控制吞吐量的节奏参数）
3.2 银行业并发模型类型
| 模型类型 | 适用场景 | 特点 |
|---|---|---|
| 固定并发 | 稳定性测试、基准测试 | 保持固定虚拟用户数持续施压，观察系统长期稳定性表现 |
| 阶梯递增 | 负载测试、拐点探测 | 按时间梯度逐步增加并发数，每阶梯保持5-10分钟，寻找性能拐点 |
| 脉冲并发 | 秒杀/抢购场景、突发流量 | 模拟短时间内大量用户同时涌入，如理财产品发售瞬间 |
| 波浪并发 | 营业时段模拟 | 模拟银行营业日内流量起伏，上午和下午各有高峰，午间和晚间回落 |
4. 峰值模型
峰值模型定义了流量峰值的倍数关系和时间特征，用于指导压力测试和容量上限测试。
4.1 峰值倍数体系
| 场景 | 峰值系数 | 说明 |
|---|---|---|
| 日常峰值 | 1.5-2.0× 均值 | 每日交易高峰时段（如9:00-11:00）的流量倍数 |
| 月初/月末峰值 | 2.0-3.0× 均值 | 薪资发放、缴费高峰期的流量倍数 |
| 季度结息日峰值 | 3.0-5.0× 均值 | 3/6/9/12月21日批量结息，对核心/账务系统造成极大压力 |
| 年终决算峰值 | 3.0-8.0× 均值 | 12月31日年终批量处理，年度最大压力窗口 |
| 营销活动峰值 | 5.0-20.0× 均值 | 理财秒杀、优惠活动等引发的瞬时流量洪峰 |
| 压力测试目标 | 2.0-3.0× 预估峰值 | 在预期峰值基础上再放大2-3倍进行极限压力测试 |
⚠️ 峰值模型注意事项
银行系统的峰值流量往往伴随热点账户和热点数据问题。
例如年终决算时，某些总账科目的并发更新冲突会急剧增加。
峰值模型中必须考虑热点数据的锁竞争开销，单纯按TPS线性推算会严重低估资源需求。
5. 不同场景负载模型总览
| 测试场景 | 并发模式 | 业务比例 | 持续时间 | 目标 |
|---|---|---|---|---|
| 基准测试 | 固定并发（1 VU起） | 单交易100% | 10-15 分钟/交易 | 获取单交易性能基线 |
| 负载测试 | 阶梯递增（20%→100%） | 混合比例（按生产） | 每阶梯10分钟 | 验证日常负载下的SLA |
| 压力测试 | 阶梯递增（100%→200%→300%） | 混合比例（按峰值） | 每阶梯5-10分钟 | 探测系统容量上限 |
| 稳定性测试 | 固定并发（80%峰值） | 混合比例（按生产） | 8-24 小时 | 检测内存泄漏和性能劣化 |
| 容量测试 | 阶梯递增至极限 | 混合比例（按峰值） | 至系统劣化 | 确定极限容量与安全容量 |
| 峰值冲击 | 脉冲并发（瞬时高峰） | 混合比例（按峰值场景） | 1-5 分钟 | 验证系统抗冲击能力 |
✅ 负载模型验证方法
- 日志比对法：将负载模型生成的TPS-时间曲线与生产日志的实际TPS曲线进行对比，偏差应小于10%
- 资源消耗比对：在相同TPS下，对比测试环境的CPU/内存/IO使用率与生产环境，验证模型保真度
- 响应时间分布校验：确保测试中的P50/P95/P99响应时间分布与生产一致，避免"平均掩盖长尾"
- 业务量回放验证：使用生产日志回放工具（如GoReplay、Tcpreplay）进行1:1流量回放验证
- 定期校准机制：每季度基于最新生产数据重新校准负载模型，适应业务变化
- 灰度验证：在预发布环境使用生产流量的1%-5%进行灰度验证，确认模型准确性后再全量压测