需要分析的业务信息
性能需求评估
确定性能测试点：
关键业务：
确定被测项目是否属于关键业务，有哪些主要的业务逻辑点，特别是跟交易相关的功能点。例如转账，扣款等接口。如果项目（或功能点）不属于关键业务（或关键业务点）
日请求量：
确定被测项目各功能点的日请求量（可以统计不同时间粒度下的请求量如：小时，日，周，月）。如果日请求量很高，系统压力很大，而且又是关键业务，该项目需要做性能测试，而且关键业务点，可以被确定为性能点
逻辑复杂度：
判定被测项目各功能点的逻辑复杂度。如果一个主要业务的日请求量不高，但是逻辑很复杂，则也需要通过性能测试。原因是，在分布式方式的调用中，当某一个环节响应较慢，就会影响到其它环节，造成雪崩效应。
运营推广活动：
根据运营的推广计划来判定待测系统未来的压力。未雨绸缪、防患于未然、降低运营风险是性能测试的主要目标。被测系统的性能不仅能满足当前压力，更需要满足未来一定时间段内的压力。因此，事先了解运营推广计划，对性能点的制定有很大的作用。例如，运营计划做活动，要求系统每天能支撑多少 PV、多少 UV，或者一个季度后，需要能支撑多大的访问量等等数据。当新项目（或功能点）属于运营重点推广计划范畴之内，则该项目（或功能点）也需要做性能测试。
建立性能指标
a.选取核心业务流程（重要程度/频繁）
b.并发用户数
c.事物吞吐需求
d.响应时间需求
e.系统占用资源需求
f.可扩展性需求
建立系统负载模型
业务层面：
（a）核心业务流程吞吐率
（b）高峰期业务分布时段
系统负载：
（a） 高峰/平常场景吞吐率
（b）CPU/IO/MEM/NETWORK
数据来源：
（a）服务器端监控
（b）数据库日志
（c）用户提出需求
制定测试计划的实施时间和方案
预设本次性能测试各子模块的起止时间和结束时间
测试环境的配置：局域网，虚拟机，操纵系统，数据库，中间件
参与人员：谁负责哪些任务，测试策略。
产出：测试方案，分析结果
搭建测试环境
测试机环境
服务器环境
测试场景设计
通过和业务部门沟通以及以往用户操作习惯，确定用户操作习惯模式，以及不同的场景用户数量，操作次数，确定测试指标，以及性能监控等
测试用例设计和脚本开发
选择LoadRuner或者Jmeter，我使用的是Jmeter。
我使用Jmeter的工具进行录制，
(PS:能直接写脚本就自己写尽量少录制，录制有时候会有干扰)
对脚本进行修改，增强脚本，让脚本更符合业务逻辑，可用性更强。
（1）参数化用户输入
（2）关联数据
（3）增加事物
（4增加检查点）
调试脚本
（1）Vugen单次回放
（2）Vugen多次回放
（3）Controller单脚本多用户
（4）Controller多脚本多用户
（5）查看回放日志
验证脚本
（1）通过检查点验证
（2）通过查看后台服务器日志验证
（3）通过测试系统查看运行后台变化
（4）利用SQL语句查询/插入/更新/修改，查看效果
测试数据准备
获取数据有两种方式：
（1）拉取生产数据，尽量保持数据一致以及量级足够
（2）利用脚本自动生成数据或者利用测试工具生成数据，（如：利用JDBC预埋数据）
a）负载测试数据：并发测试时需要多少数据？比如登录场景？
b）DB数据量大小：为了尽量符合生产场景，需要模拟线上大量数据情况，那么要往数据库里提前插入一定的数据量。
性能测试执行和管理
执行测试脚本
在已部署好的测试环境中，按照业务场景和编号，按顺序执行我们已经设计好的测试脚本
测试结果记录
根据测试采用的工具不同，结果的记录也有不同的形式；展现方式：折线图，统计图，表格等，现在大多的性能测试工具都提供比较完整的界面图形化的测试结果，当然，对于服务器的资源使用等情况，可以利用一些计数器或第三方监控工具来对其进行记录，执行完测试后，对结果进行整理分析，
性能测试结果分析与调优
测试环境的系统性能分析
根据之前记录得到的测试结果，经过计算，与预定的性能指标进行对比，确定是否达到了我们需要的结果；如未达到，查看具体的瓶颈点，然后根据瓶颈点的具体数据，
瓶颈定位分析
硬件设备对系统性能表现的影响分析
配置几个不同的测试环境，故可以根据不同测试环境的硬件资源使用状况图进行分析，确定瓶颈是再数据库服务器、应用服务器抑或其他方面，然后针对性的进行优化等操作
其他影响因素分析
影响系统性能的因素很多，可以从用户能感受到的场景分析，哪里比较慢，哪里速度尚可，这里可以根据2\5\8原则对其进行分析；
至于其他诸如网络带宽、操作动作、存储池、线程实现、服务器处理机制等一系列的影响因素，具体问题具体分析，
测试中发现的问题
在性能测试执行过程中，可能会发现某些功能上的不足或存在的缺陷，以及需要优化的地方，需要多次执行测试。
测试报告和跟踪
性能测试工程师完成该次性能测试后，需要将测试结果进行备案，并做为下次性能测试的基线标准，具体包括性能测试结果数据、性能测试瓶颈和调优方案等。同时需要将测试过程中遇到的问题，包括代码瓶颈、配置项问题、数据问题和沟通问题，以及解决办法或解决方案，进行知识沉淀。