随着全球信息化技术的兴起，特别是计算机网络的普及，互联网用户日趋增加，Web作为互联网的主要应用，其性能也受到了严峻挑战。性能测试是软件质量保证的关键途径，由于Web应用软件自身的分布式、异构、多客户随机并发访问等特点，传统的软件性能测试方法无法完全适用于现有的Web应用软件，因此提出一种有效的Web应用软件性能测试方法是亟待解决的问题。 首先，针对Web应用软件的多客户随机并发访问的特点，本文运用马尔可夫模型来模拟软件的运行剖面，在该模型的基础上，运用马尔可夫链的随机特性，随机生成一系列的用户使用序列作为软件的期望负载。该负载贴近用户真实使用情况，在此输入下得到的软件运行性能数据才是真实可靠的。 模型模拟的正确性和精确性是生成测试用例的基础，也是得到可靠的性能数据的基础。本文运用了向量的衰减修正原理来修正马尔可夫模型，使其在得到一些宝贵的用户使用信息后，能更精确地描述系统。 其次，在得到软件的性能数据后，本文结合马尔可夫模型和排队模型的基础理论对其进行分析，得到平均值估计量，对系统的参数的提前估计有一定帮助作用。 要使软件性能提高，必须对其进行优化。在有限的投入时要想获得最大的性能回报，关键就是要优化瓶颈，才能使系统的性能得到最大幅度的提高。本文在已收集的性能数据的基础上，考虑到模块所处的位置及重要程度，在运行剖面的基础上提出了一种新的瓶颈指示器方法，给软件优化指明了方向。 最后，基于一个简单的实例，对文中所提到的方法进行了验证。实验证明在马尔可夫模型描述运行剖面的基础上进行性能测试得到的性能数据是可信的，利用马尔可夫模型和排队模型得到的平均值估计量是有效的，并且新的瓶颈指示器能够在寻找瓶颈时发挥一定的作用。