今天开始报告解读的下篇，指标深度解读以及结合小编日常工作中，通过指标来评估一次压测任务是否通过的实践经验浅谈。

        先来认识下我们的报告~

        请大家特别关注圈红的50ms和500ms这两个指标【可通过gatling.conf】来进行配置，我们将<50ms的部分以绿色柱状显示，表示满足我们的性能优化预期，不需要进行优化，50<t<500ms的是非最优，但可接受，>500ms是必须要优化的数量，由此我们可以看出，根据柱状图看多少，根据饼状图看占比。

        再来看下我们的统计报表，其中%KO这个指标，代表了错误率的占比，具有一票否决权，如果错误比大于万分之5，那么本次任务直接判定失败。然后我们来看下Cnt/s【每秒吞吐数即QPS】这个是我们在加压时设定的值，需要判定是否压力达到了预期，如果不到预期，那么本次任务也将判定失败，需要重新压测。然后是Response的统计指标，其中xx pct是统计分位的指标，可以通过gatling.conf来进行配置，这里类比功能测试，功能测试以平均响应时间即图中mean的值来作为判断标准，但在性能测试中，推荐以99th pct和std dev的组合指标来作为判定，原因在于我们希望99%的用户响应时间在我们的设定语气中，同时波动率较小表明我们的响应时间分布平滑均匀。

接下来，是我们的error分类统计，这里会有错误的摘要信息和数量及占比统计，便于后续结合被测服务的日志统计，来一同排查问题。

从这里开始，都是数行结合的图，首先是随时间推移的活跃用户，对并发数模型和QPS模型均使用，这里的活跃用户是一个复合指标，表示在给定时间内，在系统负载下的活跃用户，非并发数，也非用户达到率

        第二张图，响应时间分布，横轴时间，纵轴数量。没啥好讲的~

      第三张图，随时间变化的响应时间百分位统计，从这张图中，我们可以看到在不同的时间窗口期内【我们的压力变化】响应时间的百分比变化趋势

         最后两张图，随时间推移的每秒请求和每秒响应图。我们通常把这两张图放在一起看~

 

        最后做个总结吧
1）先看柱状和饼状图，看本次请求的响应分布，柱状图看数量，饼状图看占比

2）再看统计报表，先看错误率，超过万分之五【压测标准】不通过，再看cnt/s，不到预期【计划的施压压力】不通过。然后看response time指标，以99pct【99分位】和std dev【波动率】为标准而不是以mean【平均响应时间】

3）再看错误统计，结合摘要和数量去被测服务的log4j或logback日志统计中关联一起找问题

4）下面的各种图，看趋势，看变化，找拐点。

 

参考资料：https://gatling.io/docs/gatling/reference/current/stats/reports/