JMeter性能测试与SQL优化完整步骤指南

一、准备工作

1.1 确认后端服务运行

1.2测试环境隔离

1.2.1使用本地数据库——创建测试数据库

-- 创建测试数据库

CREATE DATABASE IF NOT EXISTS movie_collection_test

CHARACTER SET utf8mb4

COLLATE utf8mb4_unicode_ci;

-- 使用测试库

USE movie_collection_test;

-- 导入生产表结构（只导结构，不导数据）

-- 方式1：从原库复制表结构

CREATE TABLE users LIKE movie_collection.users;

CREATE TABLE favorite_movies LIKE movie_collection.favorite_movies;

CREATE TABLE watch_plans LIKE movie_collection.watch_plans;

CREATE TABLE verification_codes LIKE movie_collection.verification_codes;

-- 插入测试数据（不要用真实用户数据）

INSERT INTO users (id, phone, password, nickname) VALUES

(1, '13800138000', 'test123', '测试用户1'),

(2, '13800138001', 'test123', '测试用户2');

-- 插入大量测试数据用于压测

DELIMITER $$

CREATE PROCEDURE insert_test_data()

BEGIN

DECLARE i INT DEFAULT 1;

WHILE i <= 5000 DO

INSERT INTO favorite_movies (user_id, movie_name, director, rating, release_date, collection_reason, create_time)

VALUES (1, CONCAT('测试电影', i), '测试导演', ROUND(RAND()*10,1),

DATE_ADD('2020-01-01', INTERVAL FLOOR(RAND()*2000) DAY),

CONCAT('测试收藏理由', i), NOW());

SET i = i + 1;

END WHILE;

END$$

DELIMITER ;

CALL insert_test_data();

-- 验证数据量

SELECT COUNT(*) FROM favorite_movies; -- 应有5000条

修改后端配置连接测试库

创建 .env.test 文件：

# server/.env.test

PORT=3001

DB_HOST=localhost

DB_USER=root

DB_PASSWORD=root

DB_NAME=movie_collection_test

JWT_SECRET=test_secret_key_2026

修改server.js内容，将读取文件改为.env.test

或者直接修改原有的.env文件，将连接的数据库改为movie_collection_test，其他可不做修改即可。

1.2.2使用Docker容器隔离

安装Docker ：

通过启用或关闭windows功能打开虚拟机平台和适用于Linux的Windows子系统（WSL）

在终端中输入：wsl –set-default-version 2

Wsl –update –web-download

安装Docker Desktop for Windows

访问 https://www.docker.com/products/docker-desktop/

下载 Docker Desktop for Windows

安装（需要开启Hyper-V或WSL2）

启动Docker Desktop

输入docker -v出现版本号即成功了。使用docker时后端要挂着Docker Desktop

创建测试数据库容器

# 拉取MySQL镜像

docker pull mysql:8.0

# 创建测试数据库容器（端口映射到3307）

docker run -d \

--name movie_collection_test_db \

-p 3307:3306 \

-e MYSQL_ROOT_PASSWORD=root \

-e MYSQL_DATABASE=movie_collection_test \

mysql:8.0 \

--character-set-server=utf8mb4 \

--collation-server=utf8mb4_unicode_ci

连接测试数据库

# 进入容器

docker exec -it movie_collection_test_db mysql -uroot -proot

# 或通过Navicat连接

# 主机：127.0.0.1

# 端口：3307

# 用户名：root

# 密码：1234

问：你的性能测试是怎么隔离环境的？

你：我使用的是Docker容器隔离。在本地用Docker创建了一个独立的MySQL测试容器，映射到3307端口，数据库名也用movie_collection_test区分。这样无论怎么压测，都不会影响真实环境。这种方式的好处是环境干净、可重复、而且用完可以直接销毁容器，非常适合做性能测试。

二、使用JMeter进行压测

2.1 下载并安装JMeter

访问 https://jmeter.apache.org/download_jmeter.cgi

下载 apache-jmeter-5.6.3.zip

解压到任意目录（如 D:\jmeter）

进入 bin 目录，双击 jmeter.bat 启动

2.2 创建测试计划

步骤：

右键点击 测试计划 → 添加 → 线程（用户） → 线程组

线程组配置：

2.3 添加HTTP请求

步骤：

右键点击 线程组 → 添加 → 取样器 → HTTP 请求

配置如下：

2.4 添加HTTP Header Manager（添加认证Token）

步骤：

右键点击 HTTP请求 → 添加 → 配置元件 → HTTP信息头管理器

添加Header：

名称 值

Authorization Bearer <你的登录token>

如何获取token：

1、先用Postman登录，复制返回的token

2、在Jmeter中自动关联Token

整体流程图

步骤1：

添加登录请求

右键点击线程组 → 添加 → 取样器 → HTTP请求

配置登录请求：

注：可以添加一个HTTP请求默认值，这样每次写接口的时候不用重复写协议、IP、端口号。

步骤2：添加HTTP 信息头管理器

右键登录请求 → 添加 → 配置元件 → HTTP 信息头管理器

添加 1 行：

名称：Content-Type

值：application/json

步骤3：添加JSON提取器提取Token

右键点击登录请求 → 添加 → 后置处理器 → JSON提取器

注：

$.data.token 表示从响应JSON中提取data.token的值

变量名token会存储提取的值，后续用${token}引用

原线程（HTTP请求）中添加请求头

先设置线程数为1测试一次，查看结果树通过：

2.5 添加监听器（查看结果）

步骤：

右键点击 线程组 → 添加 → 监听器 → 查看结果树（查看每个请求详情）

右键点击 线程组 → 添加 → 监听器 → 聚合报告（查看汇总统计）

2.6 运行测试

点击绿色▶️按钮启动测试

等待测试完成（约10-20秒）

2.7 查看聚合和汇总报告

三、定位慢SQL

3.1 开启MySQL慢查询日志

方法一：临时开启（重启失效）

-- 查看当前慢查询状态

SHOW VARIABLES LIKE 'slow_query_log%';

SHOW VARIABLES LIKE 'long_query_time';

-- 开启慢查询日志

SET GLOBAL slow_query_log = ON;

-- 设置慢查询阈值（1秒）

SET GLOBAL long_query_time = 1;

-- 设置日志文件路径（Windows）

SET GLOBAL slow_query_log_file = 'D:/application/mysql-9.0.1-winx64/data/slow.log';

3.2 分析慢查询日志

压测后查看慢查询日志，找到收藏列表的SQL：（在我们刚生成的log日志文件中可查看）

找到类似的语句：

# 慢查询日志示例

# Time: 2026-03-27T10:00:00.000000Z

# Query_time: 1.234 Lock_time: 0.001 Rows_sent: 10 Rows_examined: 15000

SELECT * FROM favorite_movies WHERE user_id = 1 ORDER BY create_time DESC LIMIT 10 OFFSET 0;

关键信息：

Rows_examined: 15000 - 扫描了15000行数据

Query_time: 1.234 - 查询耗时1.2秒

3.3 使用EXPLAIN分析SQL

-- 分析SQL执行计划

EXPLAIN SELECT * FROM favorite_movies WHERE user_id = 1 ORDER BY create_time DESC LIMIT 10 OFFSET 0;

EXPLAIN结果解读：

四、优化SQL（添加索引）

4.1 添加联合索引

-- 添加联合索引（user_id + create_time）

ALTER TABLE favorite_movies ADD INDEX idx_user_create (user_id, create_time);

-- 验证索引是否创建成功

SHOW INDEX FROM favorite_movies WHERE Table = 'favorite_movies';

4.2 再次使用EXPLAIN验证

EXPLAIN SELECT * FROM favorite_movies WHERE user_id = 1 ORDER BY create_time DESC LIMIT 10 OFFSET 0;

优化后的EXPLAIN结果：

五、再次压测验证

5.1 重新运行JMeter压测

确保已添加索引

重新运行相同的测试计划

查看聚合报告

5.2 对比优化前后数据

QPS提升：45 → 180，提升了4倍！

六、完整操作命令汇总

-- 1. 查看当前数据量

SELECT COUNT(*) FROM favorite_movies WHERE user_id = 1;

-- 2. 开启慢查询日志（可选）

SET GLOBAL slow_query_log = ON;

SET GLOBAL long_query_time = 1;

-- 3. 分析SQL（优化前）

EXPLAIN SELECT * FROM favorite_movies WHERE user_id = 1 ORDER BY create_time DESC LIMIT 10 OFFSET 0;

-- 4. 添加联合索引

ALTER TABLE favorite_movies ADD INDEX idx_user_create (user_id, create_time);

-- 5. 再次分析SQL（优化后）

EXPLAIN SELECT * FROM favorite_movies WHERE user_id = 1 ORDER BY create_time DESC LIMIT 10 OFFSET 0;

-- 6. 查看索引

SHOW INDEX FROM favorite_movies;

-- 7. 删除测试数据（可选）

DELETE FROM favorite_movies WHERE movie_name LIKE '测试电影%';

七、面试时如何回答这个问题

我用JMeter对收藏列表接口做了压力测试，模拟50个并发用户，每个用户执行10次请求，发现平均响应时间1.2秒，吞吐量只有45 QPS。

然后我开启了MySQL慢查询日志，发现这个查询每次要扫描1万多行数据。用EXPLAIN分析后发现，SQL没有使用索引。

我分析了业务场景，用户查询收藏时总是按用户ID过滤、按时间排序，所以给 user_id 和 create_time 建了联合索引。优化后再次压测，响应时间降到300毫秒，QPS提升到180，提升了4倍。

这个案例让我深刻理解了索引对查询性能的重要性，也学会了用JMeter和慢查询日志定位性能瓶颈的方法。

八、注意事项

最后：下方这份完整的软件测试 视频教程已经整理上传完成，需要的朋友们可以自行领取【保证100%免费】

​​​软件测试面试文档

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。