压测数字怎么算才可信:客户端、TLS、FPM 与数据库逐段量上限

一、一个压测数字为什么算不出来

几乎每个站长在扩容前都遇到同一个场面:老板或自己问「这台机器能扛多少并发」,答不上来。市面上的答案通常是「1 核大概 200 并发」这种口诀,照着买机器,上线第一天就发现完全对不上。原因不是口诀错,而是「并发」这个词在压测报告里有三个互不相干的含义,混用任何一个都会得到差一个数量级的结论。

三个含义分别是:客户端同时挂着的连接数、服务端某一瞬间正在处理的请求数、以及每秒能完成多少请求。第一个数字由压测工具的线程数决定,跟机器无关;第三个数字是结果而不是输入;只有第二个数字才是机器真正在承受的压力。把它们分开命名,是整篇文章的前提。

本文用一个真实的 1 核 1G 站点做例子,把压测链路拆成客户端、网络、TLS、PHP-FPM、MySQL 五段,每一段都用一条命令量出它的上限,最后合成一个能写进配置文件的并发数。全程只用 wrk、ss、pidstat 和 MySQL 自带的计数器,不需要装任何压测平台。

先给结论方向:单机压测里最常见的两个假象是「客户端先顶不住」和「Keep-Alive 没开导致每次请求都重新握手」。只要这两个坑没排掉,后面所有数字都不可信,而它们恰好占了新手压测事故的一大半。

二、先固定六个变量,再谈任何数字

压测报告之间不可比,九成是因为变量没固定。同一个站点,用两个不同工具各测一次,结果能差三倍,不是工具坏了,而是其中一次在压静态页、另一次在压带登录态的 PHP 页。所以动手前先把下面六项写在一张纸上。

第一,目标 URL 必须是同一条,带参数的同一条,不要一次压首页一次压列表页。第二,客户端与服务器不要在同一台机器上,客户端至少留 2 核空闲,否则 CPU 会先被 wrk 自己吃掉。第三,压测时长固定,建议 60 秒起,30 秒以内的数据基本都在预热阶段。

第四,连接数(-c)与线程数(-t)分开记录,wrk 的线程数不是并发数,只影响客户端自己的调度。第五,必须开 Keep-Alive,并单独做一组不开的对照,因为真实用户浏览时大部分请求是复用的。第六,被压的站点要关掉整页缓存与 CDN,否则你量到的是缓存层的上限,不是 PHP 的上限。

# 固定变量后的第一轮基线:单线程、50 连接、60 秒
wrk -t1 -c50 -d60s --latency https://www.example.com/

# 对照:关掉长连接,看每请求一次握手的代价
wrk -t1 -c50 -d60s -H "Connection: close" https://www.example.com/

两轮跑完先别看 Requests/sec,先看延迟分布里的 50% 与 99% 两行。如果 p99 是 p50 的十倍以上,说明有一小部分请求被排队了,这时候 RPS 再高也只是把请求堆在队列里,扩容不会解决问题。

三、第一段:客户端自己是不是瓶颈

wrk 的常见误用是把线程数开到 8、连接数开到 800,在 1 核服务器上压出 3000 RPS,然后发现客户端 CPU 已经 100%。判据很简单:压测期间在客户端机器上跑 pidstat,看 wrk 进程的 %CPU,超过 80% 就要降线程数或者换更强的客户端。

更隐蔽的一种是客户端端口耗尽。单台客户端默认可用端口约 2.8 万个,如果不开 Keep-Alive,60 秒内每次请求占一个端口,TIME_WAIT 会迅速堆积。判据是 ss 里 TIME_WAIT 数量逼近上限,而此时服务器侧的连接数看起来很正常。这种情况下的错误率会从 1% 突然跳到 20%,很像「服务器撑不住」,其实是客户端打不出新连接了。

# 客户端侧:确认 wrk 自己没吃满 CPU
pidstat -p $(pgrep wrk) 2 5

# 客户端侧:TIME_WAIT 堆积情况
ss -s

如果确实需要更大压力,正规做法是用两台以上客户端,或者用一台客户端加多个源 IP。不要通过调小 tcp_tw_reuse 这类内核参数去强行回收端口,那会在生产机上留下难以排查的连接异常。

四、第二段:网络与 TLS 的固定成本

HTTPS 站点的每一次新建连接都要付出一次握手成本,这个成本与业务代码无关,只与 TLS 版本、证书链长度、是否开启会话复用有关。1 核机器的握手能力通常在每秒几百次量级,如果你的压测结果里 Requests/sec 恰好在这个数量级附近,先怀疑是握手占了主导。

验证方式是把压测分成两组:一组带 TLS 会话复用,一组每次都全新握手。wrk 默认会对每个连接复用会话,所以差距通常体现在「不开 Keep-Alive」的那组。两组差得越大,说明你的业务处理越快、握手占比越高,这时候开 OCSP Stapling、缩短证书链、开启 TLS 1.3 都能带来可观的绝对值提升。

# 服务器侧:确认握手开销与协议版本分布
openssl s_client -connect www.example.com:443 -tls1_3 -brief 2>/dev/null | head -5

# 服务器侧:用 ss 看已建立的连接数与收发队列
ss -tan state established '( sport = :443 )' | wc -l
ss -tlnp | head -20

还有一个常被忽略的数字是服务器侧的发送队列。当 Recv-Q 长期不为零,说明应用读得比内核收得慢;当 Send-Q 长期不为零,说明应用写得比内核发得快。这两个队列在 1 核机器上很容易被忽略,却是「压测时 RPS 上不去但 CPU 也不高」的典型原因。

五、第三段:PHP-FPM 才是真正的并发闸门

PHP 站点的并发上限,基本等于 FPM 常驻进程数乘以单进程处理能力。单进程处理能力的倒数就是单请求耗时,而常驻进程数由 pm.max_children 决定。很多站点 pm.max_children 还是模板里的 5,压测一跑就全卡在 listen queue 上,此时 Nginx 返回 502 或 504,而 PHP-FPM 的 status 页里 listen queue 一路飘红。

合理设定分三步。第一步量单进程的内存占用(RSS),不是量 PHP 的平均内存,而是量最大页面的峰值。第二步用总可用内存减去 MySQL、Nginx、系统的常驻部分,得到 PHP 可用的内存池。第三步用内存池除以单进程峰值,得出安全的最大进程数,再按 70% 折算。

# 实际 RSS 峰值:压测中取最大的那个进程
ps -o pid,rss,comm -C php-fpm | sort -k2 -n | tail -5

# FPM 池状态:listen queue 与 active/idle 进程
curl -s http://127.0.0.1/fpm-status?full | head -20

判断配置够不够,看两个指标就够:listen queue 是否长期大于 0,以及 active processes 是否长期等于 max_children。前者说明进程不够,后者说明进程刚好卡满、没有任何余量。两个都为真时必须加内存或者减少单请求耗时,单纯调大 max_children 只会把机器推进 swap。

这里还有一个容易误判的地方:FPM 的 max_requests 会导致进程周期性重启,压测中如果 max_requests 设得太小(比如 500),进程会在 60 秒内反复重生,测出来的 RPS 会被重生开销拉低。压测期间可以临时关掉这个参数,测完再恢复。

六、第四段:数据库的连接数与响应时间

FPM 放开了,下一个闸门通常是 MySQL。MySQL 的连接数上限不是越大越好,每个连接都要占内存(sort buffer、join buffer、read buffer 等按需分配)。在 1G 内存的机器上,max_connections 设 200 是典型的自伤配置,最终结果是 OOM killer 直接杀掉 mysqld。

真正要量的是两件事:单条查询的平均耗时,以及压测期间 Threads_running 的峰值。前者决定了单请求里 SQL 占多少时间,后者决定了数据库真正同时在干活的线程数。这两个数字是服务端并发压力的最直接证据。

# 压测前后各取一次,看增量
mysqladmin ext -i1 | grep -E 'Threads_connected|Threads_running|Questions'

# 连接池上限的参考值
mysql -e "SHOW VARIABLES LIKE 'max_connections'; SHOW STATUS LIKE 'Max_used_connections';"

如果 Max_used_connections 明显小于 max_connections,说明连接数不是你现在的瓶颈,应该把精力放在慢查询上;如果 Threads_running 长期大于 CPU 核数,说明数据库在排队,此时加 PHP 进程只会让排队更长。

在小内存机器上,合理的做法是把 max_connections 压到 50 以内,同时在 FPM 配置里保证最大进程数不超过这个数字。这样数据库永远有连接可用,不会因为打满而报 Too many connections,也不会为闲置连接预留过多内存。

七、第五段:从单请求耗时倒推可承载并发

拿到上面几段的数据后,可以开始算账。假设单请求平均耗时 120 毫秒,其中 PHP 40 毫秒、MySQL 60 毫秒、其余 20 毫秒,内存允许 FPM 常驻 12 个进程,那么理论并发上限就是 12 个同时在处理的请求,对应约每秒 100 个请求。这个数字是「内存约束下的上限」。

如果用利特尔法则从目标倒推:想要稳定支撑每秒 200 个请求、平均耗时 120 毫秒,需要的在途请求数是 200 乘以 0.12,等于 24 个。24 大于 12,说明内存不够,要么把单请求耗时减半,要么加内存。这个算式比任何口诀都可靠,因为它把三个可测量的东西绑在了一起。

需要注意的是,平均耗时在排队时会膨胀。当系统接近上限,耗时不再稳定,200 毫秒变成 800 毫秒,此时利特尔法则算出的在途请求数也会虚高。所以压测要在「未饱和」区间读数,也就是错误率为 0、p99 仍在可接受范围的那一轮,而不是硬顶到极限那一轮。

八、拐点判读:哪一轮数字才可以用

阶梯加压的读法很固定:从 10 连接开始翻倍,每轮 60 秒,记录 RPS、p50、p99 与错误率四个数。健康的曲线是 RPS 随连接数线性上升,p50 基本不变;到某一点后 RPS 不再涨而 p99 陡增,那一点就是拐点,可以用作容量上限;再往后错误率开始出现,那已经是崩溃区,不能用来定容量。

四个数里最容易骗人的是 RPS。有些站点在数据库被打满后,Nginx 仍然能返回缓存命中或错误页,RPS 看起来还在涨,实际业务早就废了。所以判定取舍时,错误率与 p99 的优先级高于 RPS,前者决定用户能不能用,后者只决定报表好不好看。

# 阶梯加压的循环写法,每轮结果单独落盘
for c in 10 20 50 100 200; do
  wrk -t1 -c$c -d60s --latency -s post.lua https://www.example.com/ > /tmp/wrk_$c.txt
  grep -E 'Requests/sec|50%|99%' /tmp/wrk_$c.txt | tr '\n' ' '
  echo "connections=$c"
done

把五轮结果并排看,找出 RPS 增幅开始低于连接数增幅的那一轮。那一轮的连接数乘以单请求耗时的倒数,就是这台机器在当前位置的真实承载能力。把它写进监控阈值,比写进任何文档都管用。

九、压测之后:三条纪律与一次复盘

第一条纪律是压测永远不要在白天做。哪怕只有 50 连接,也可能把真实用户的请求挤掉,尤其是共享数据库的站点。第二条是压测前先备份数据库并在压测后核对一遍行数,写接口的压测如果脚本里带了插入,很容易污染生产数据。

第三条是所有压测参数与结果必须落盘归档,包含 URL、连接数、线程数、时长、当时的 pm.max_children 与 max_connections。下个月再压一次时,如果配置变了而记录没跟上,两次结果就不可比,复盘等于白做。

复盘只问三个问题:这一轮的拐点在哪一段(PHP、数据库还是 TLS),这一段的改造成本是多少,改造后预期 RPS 提升多少。如果三个问题里有一个答不上来,就先别改配置,因为改完也无法验证收益,剩下的只是心理安慰。

最后提醒一句:压测出来的数字只对这一份代码、这一份数据量、这一套配置有效。数据量翻倍后,同一条 SQL 可能从 20 毫秒变成 200 毫秒,容量会整体下移一档。所以容量结论要有有效期,写上半年内复核,比写成一个永久数字更靠得住。

Last modification:November 18th, 2026 at 12:24 pm

Leave a Comment