最近几周在忙性能测试和数据分析的一些工作，同步进行着。总结了几条经验和感悟，简单记录一下：

1. 给你数据的人，比数据本身更重要

主要基于两点考虑，a. 给定的数据是否真实——相当一部分的给定数据给定时就已经为了达到某种目的而凑数，比如大部分政府部门和国企都会阶段性的找会计做黑账；b.给定的数据不具备普遍性——比如政府的大多数官方统计；

1. 莫要忽视零概率事件

大学时数学专业的概率论几乎都是满分，现在为止却只记住了一句话，零概率事件不等于不发生；

1. 随机事件可以积累

一个分子在一段时间的随时运动后，总是会和原点偏离一段距离。如果考虑更多随机的因素，一个很小的选择和事件会决定一个人的一生，比如砸到牛顿的苹果；

马尔可夫的多个定理里面，这个是我体验最深的；

1. 测试工作的根本目的是对项目和产品有行为的指导作用

作为一名测试工作者，如果工作的产出不能指导项目行为，那就是失败；

比如一个网站的流量忽然增加了10倍，那么测试人员应该清楚网站的性能还能顶得住多少流量，假如扩充的话，需要多少什么样的服务器，需要多少。如果测试人员不能指导这些工作，那么无论用什么测试工具，给出多漂亮的测试报表，所谓的性能测试都是无意义的！

1. 对你的数据持怀疑态度，比如异常数据和脏数据

对待任何数据，都要像对待开发一样，绝对不要相信；

1. 折中的艺术

开发如此，测试如此，项目管理也如此，当然，人员的管理更是如此，尤其在中国；

1. 性能测试的精髓是场景和拓扑的设计

性能测试的关键是可以分析的场景，没有可以分析的场景，其他都是面谈；

1. 没人能够精确的回放事件

工作中最重要的两个体现就是：a. 记录好操作的每个步骤 b. 任何讨论和扯皮都要留下证据

任何函数都可以微分，但却不是都能积分回去的，原因很简单：山地自行车比赛枪声开始了，运动员骑着定级的山地车，过山坡，过水沟，过灌木，过飞石，到达终点后被告知，枪走火了，刚才的不算；你他妈倒着原路返回一个试试！

1. 万事皆有原因

任何规律都有其原因，但是却并不一定被找到。

一个同事刚做了一系列试验来证明qps和rt的关系，他们表现的非但不是反比关系，甚至没有啥关系。qps对cpu的依赖可能更多一些，而rt受io的应该应该会更多；实际拓扑和影响因素会有很多，但我享受这个过程。

1. 测试人员的所有相关工作中，最容易的是写代码

最后这条留给测试的新手们

性能测试和数据分析的一点总结