1、吞吐量
单位时间内，系统能够处理多少请求，吞吐量代表网络的流量，TPS越高，吞吐量越大，还包含了数据的吞吐量。一般单位为秒，每秒处理的请求量。
注意：我们看到的JMeter聚合报告一般如下图，下表中的吞吐量实际是我们文中说的TPS或者QPS。如果要计算吞吐量的话应该是接收+发送网络流量总和。
性能测试的时候关注吞吐量和测试环境网络带宽之间的关系，如果吞吐量接近或者等于测试环境带宽极限，那么很可能存在网络瓶颈。
2、tps
TPS的全称是Transaction Per Second，即每秒处理的事务数，那什么是事务呢？
如：用户操作伴随着数据的变更，【下单---->支付——一个请求会有多个操作】；如：11.11用淘宝下单，产生订单数据【40W订单/每秒】。
衡量一个系统性能的好坏，主要看的是单位时间内，系统可以处理多少业务量。
举个电商的例子：
1）假设要测试“下单”，那么“下单”业务就可看做是一个事务；
2）假设需要测试“添加购物车+下单”整体业务，那么“添加购物车”和“下单”这2个业务就组成了一个事务，此时TPS就是每秒处理“添加购物车+下单”这个一整个事务的数量。
响应时间单位为秒的情况下，TPS = 1/响应时间*并发数。
- 一般情况下采用二八原则去计算，80%的交易发生在20%的时间去处理。如：一天10000笔，TPS = （10000* 80%=8000笔）/（24*60*60*20%）。
- 10000笔交易，上午2小时，下午2个小时，TPS = 10000*/4*60*60。
在系统达到瓶颈之前，TPS和并发数成正比关系。
3、QPS
QPS = 并发数/响应时间，QPS的全称叫Request Per Second。字面意思比较好理解，就是每秒处理的请求数（如：用户查询数据【打开某个页面】，
打开淘宝某个商品页面的时候），并没有去做数据的修改，只是把数据加载到页面中。
如果是测试单接口的情况下，TPS=QPS，例如上面电商例子中的第1）个场景。
4、TOP响应时间
响应时间，Rsponse Time，从用户的角度来讲，就是用起来快不快。
一个请求从用户发起，到收到服务器响应，所需的时间：
- 页面打开响应的时间；
- 具体单个资源的响应时间。
一个请求的响应时间由以下几部分时间构成，响应时间=网络传输的总时间+各组件业务处理时间。
TOP响应时间是将所有请求的响应时间先从大到小进行排序，计算指定比例的请求都是小于某个时间。
该指标统计的是大多数请求的耗时，用JMeter进行测试通常看到下面几个数据：
- Top90（90%响应时间）：90%的请求耗时都低于某个响应时间；
- Top95（95%响应时间）：95%的请求耗时都低于某个响应时间；
- Top99（99%响应时间）：99%的请求耗时都低于某个响应时间；
5、平均响应时间
平均响应时间=所有请求的平均耗时=ART（Average Response Time）
6、并发数/虚拟用户数
即并发处理能力，压测工具中设置的并发线程/进程数量，海量用户使用系统，在系统不崩溃情况下，能够支撑多少人同时使用。可以理解为每秒/毫秒可以处理多少并发。
7、资源占用率
2个App，功能都一样，都是用来做“图片美颜”，我们来判断下，哪个App的性能好。
- 第一个App能够运行在5年前的手机上，2GB运行内存，需要内存资源少。
- 第二个App只能够运行在3年前的手机上，4GB运行内存，需要内存资源更多。
我们可以看出，第一个App所需要的运行内存更小，占用的内存资源更少，而第二个App需要的运行内存是更大的，以及内存资源更多，
只能在三年的手机运行，5年前的是运行不了，所以是第一个App相对于与第二个App来说，第一个App性能是更加好的。
性能好一些，对我们实际有什么帮助呢？
假设我们在开发一款应用，有1000使用用户：
- 500w用户——3年内的新手机（运行内存4G）
- 500w用户——5年前的老手机（运行内存2G）
如我们开发时没有考虑到老手机运行内存的问题，只可以运行在新手机上，那就意味着50%，500w的老手机的用户是正常使用不了的，如我们所设计时考虑到了，
性能足够的好，新、老手机都可使用，那就是100%的用户是都可以正常使用的。
8、成功率
请求的成功率，一般执行压测后我们会关注请求或者事务的成功率是多少，一般公司可能要求成功率在99.99%以上。
9、PV/UV
PV（Page View）页面/接口的访问量；UV(Unique Visitor)页面/接口的每日唯一访客。
PV/UV的概念好像也是常在电商中出现，一般可能是在性能需求分析的时候提到，比如某页面每日的PV是多少，UV是多少。
