| 主题 |
内容 |
| 性能工程方法论与 AI 性能测试平台实践 |
| 模块1：性能工程基础与 AI 赋能概论 |
• 性能工程方法论框架
• AI 赋能性能测试的三个层级（辅助 → 增强 → 自主）
• AI辅助性能测试平台架构导览与首次体验
|
| 模块2：性能指标体系与容量评估（AI辅助） |
• 业务指标与技术指标体系
• 关键名词解析：并发用户、在线用户、TPS
• TPS 计算公式与容量评估逻辑
• AI 容量预测演示 |
| 模块3：性能环境与场景设计（AI辅助） |
• 性能环境五维度（硬件/软件/数据/系统架构/部署架构）
• 四类场景设计：基准 / 容量 / 稳定性 / 异常
• AI 环境差异评估与场景自动生成
|
| 模块4：性能工具与 AI 脚本生成 |
• 性能测试工具核心功能（参数化/关联/并发/事务/思考时间）
• Locust 与多阶段加压
• AI 自然语言 → 可执行脚本生成实操 |
| 模块5：性能监控设计与 AI 动态采集 |
• 全局监控与定向监控设计方法
• 监控层次细化（多层模型）
• AI 动态 PromQL 生成与实时指标推送
|
| 模块6：性能分析七步法与 AI 根因定位 |
性能分析七步法：
• →压力场景分析
• → 系统架构分析
• → 响应时间拆分
• → 全局监控分析
• → 定向监控分析
• → 判断性能瓶颈
• → 提出解决方案
AI 根因定位原理（RESAR 分层 + 皮尔逊相关 + LLM 推理）
|
| Ai辅助深度性能分析与综合实战 |
| 模块7：系统级性能分析（AI辅助） |
• CPU 监控分析与优化
• （us/sy/wa 判断逻辑）
• Memory 监控分析与优化
• I/O 监控分析与优化
• 网络监控分析与优化
• AI辅助系统级性能分析方法与实践 |
| 模块8：代码级与应用服务器性能分析（AI辅助） |
• 代码性能剖析（线程/堆/锁/CPU/Classes）
• 代码调优工具集（jstat/jstack/jmap/jvisualvm/Arthas）
• 应用服务器六维分析（协议/请求量/响应时间/线程池/队列/超时）
• AI辅助代码与应用性能分析方法与实践 |
| 模块9：数据库性能分析与优化（AI辅助） |
• MySQL 架构与监控工具
• 多维度分析：索引/查询/锁/ DB 缓冲池/SQL 执行时间
• AI 辅助慢查询分析与索引建议
|
| 模块10：性能报告与 AI 自动生成（AI辅助） |
• 性能测试报告与调优报告结构
• AI 自动生成报告与 Word/PDF 导出 |
| 模块11：综合实战（AI辅助） |
端到端 AI 驱动性能测试全流程
AI 需求分析
• 场景设计
• 脚本生成
• 执行监控
• 根因分析
• 优化验证
• 报告生成
最佳实践总结与讨论 |
