专栏文章 自研长链接压测概览
一、压测背景介绍
1、项目背景
公司的长链接服务器，有以下等缺点：
● 触达率很低
● 没有点对点推送能力
● 排查问题困难
● 只支持 m2，不支持 mid
而我们商业化的项目众多，且非常依赖长链接服务，因此自研一套长连接系统提供服务，对标公司长链接服务。
二、压测分析
1.压测目的
新系统上线，确定系统的相关性能指标、性能瓶颈、服务可用性、服务稳定性等
2.压测场景
①. 新系统上线
准确探知系统能力，防止系统上线被流量打垮
②. 性能探测
探测系统中的性能瓶颈点，进行针对性优化
③. 容量规划
对站点进行精细化的容量规划，为系统扩容,性能优化提供数据参考，节省成本投入，提高资源利用率
3.压测策略
①. 基准测试 ：作为基准，在后续有框架变动/代码变动/业务逻辑变动时，进行对比
②. 负载测试：确定系统的最佳负载和最大负载，合理的进行资源申请
③. 压力测试：确定系统的极限指标
④. 稳定性测试：在略低于最佳负载值下，持续压测 5~7d
4.发压策略
①. 线上单机压测时，使用 1 台发压机；超过 1000TPS 时，使用分布式发压
②. 集群压测时，使用多台机器进行分布式压测
三、压测指标预估
备注：
1.本次 RT 时间 以 TP95 为标准
2.因新业务上线，无真实流量，无法确定峰值 QPS，需要进行 TPS 估算
TPS 估算
估算 1、按照 10 亿用户，按照八二原则，计算 TPS 需要到~~46300，有 20 台机器，单机达到 2500 即可
估算 2、初次放量，按照 100w 用户 20 台机器估算，根据八二原则，单机 TPS 均值： 10 qps，峰值： 50 qps
1.业务指标
2.资源指标
● CPU 使用率 (时间)：
不高于 75%-85%
● 内存 RAM(大小) 使用率：
不高于 80%
观察内存是否有尖刺或泄露
● 磁盘 I/O(速率) ：
不高于 90%
● 网络 I/O(速率)：
不高于 80%
3.中间件监控指标
防火墙
● 无防火墙
ngnix
● 带宽
● 配置是否正确
redis
● 缓存穿透、击穿、雪崩
mysql -- 本次压测不涉及
● 慢查询
● 线程阻塞
● 死锁
● 无索引导致全表查询
4.使用的第三方业务
● 不涉及第三方
四、压测流程
1.需求分析
熟悉需求、获取性能需求指标
①. 明确被测系统 及 压测场景
②. 明确测试内容
③. 明确测试策略
④. 明确测试指标
2.压测方案制定 与 评审
综合以上一~四的内容，加上压测机器信息，压测周知，编写压测方案，编写完成后召集相关人员进行压测方案评审，方案内容大纲如下：
备注：当服务器涉及到容器云和 HULK 时，需要提前与相关方确认，提供压测的 TPS，确认压测的执行时间，防止影响其他业务线。
3.测试用例设计与压测脚本编写
本次涉及 http 接口和 websocket 接口
Ⅰ. 压测组件选择
根据压测涉及接口 及 模拟业务场景的需要，进行最小化的组件选择。
● 测试计划
● 线程组
压测进行梯度压测，标准线程组需要频繁更改 CLI 命令，因此直接使用了并发线程组
并发线程组配置采用参数化方式，在 Linux / Docker 中执行时，可以直接使用 CLI 传入并发数，省去频繁更改脚本的麻烦
Ramp Up Time 与 Ramp Steps Count 也需要动态调整，在并发量较大时，适当调大避免曲线不正常波动带来的不准确性
●配置元件
用户自定义的变量
采用该组件记录全局参数
HTTP 信息头管理器
用于请求接口添加 Header 字段
●前置处理器
用户参数组件
模拟海量不同用户，利用 RadomString 函数，构造 m2 和 mid 。
m2 ${__RandomString(44,0123456789qwertyuiopasdfghjklzxcvbnm,)}
mid ${__RandomString(32,0123456789qwertyuiopasdfghjklzxcvbnm,)}
该组件一定要放入并发线程组中，才能模拟每次发起请求是不同的用户
BeanShell 前置处理器
处理 HTTP 接口中字段，按照指定算法进行加密，密文作为 Websocker 的 Header 参数
● 定时器
模拟业务逻辑，构造时间间隔
● 取样器
HTTP 取样器
WebSocket 取样器
WebSocket Open Connection
WebSocket request-response Sampler
● 后置处理器
JSON 提取器
用于提取指定字段，用于传递下一接口或者做接口断言
正则表达式提取器
用于提取响应字段中的内容 url 和 port
● 断言
响应断言
用于校验接口请求是否成功
Json 断言
用于校验响应中业务逻辑是否符合预期
● 监听器
后端监听器
JMeter 抓取数据，传递给 influxdb 存储，使用 grafana 展示
● 其他组件 (调试脚本时添加，真正压测时要去掉)
查看结果树
调试取样器
汇总报告 (主要关注方差指标)
聚合报告
jp@gc - Active Threads Over Time
jp@gc - Transactions per Second
jp@gc - Response Times Over Time
Ⅱ. 压测脚本编写
脚本先在 GUL 模式下运行通过，再进行场景关联、CLI 参数化等
Ⅲ. 压测执行
①. 搭建压测环境
根据压测 TPS 不同，选择不同的压测执行环境
②. 执行测试脚本
根据压测环境的不同，压测执行方式也是不同的
windows GUI 压测执行
windows 分布式压测执行
windows CLI 压测执行
Linux CLI 压测执行
基于 Dokcer 的分布式压测执行
③. 测试结果记录
最后的压测报告生成，以及后续做对比基准使用
Ⅳ. 问题分析和调优
由于本次发现的几个问题均与性能瓶颈无关，这里就不列举了。
Ⅴ. 压测报告输出
性能测试报告是性能测试的里程碑，通过报告能展示出性能测试的最终成果，展示系统性能是否符合需求，是否有性能隐患。
注意包含以下几方面：
①. 压测背景、目的、目标
②. 参与人、时间跨度
③. 施压环境 及 施压工具
④. 数据构造方法
⑤. 压测策略
⑥. 压测执行过程记录
⑦. 记录定位瓶颈和调优过程
五、压测执行的几种方式
具体使用哪种方式，是根据压测 TPS 和申请到的资源决定的。
几种压测方式的搭建过程 以及 优缺点，会在拆解的详细章节中讲述。
本章节概览只展示下几种压测执行方式的运行方式和运行结果展示。
1.windows GUI 压测执行
● JMeter 官方提示：不要使用 GUI 模式进行负载测试！只有在测试调试或者测试用例设定或者生成的时候才用 GUI 模式。
● GUI 模式带来性能损耗，不适合 500 以上并发的压测执行
● 在 windows JMeter 中直接执行时，需要配置上以下组件，以便观察结果
查看结果树
调试取样器
汇总报告
聚合报告
jp@gc - Active Threads Over Time
jp@gc - Transactions per Second
jp@gc - Response Times Over Time
备注：JMeter 本身的问题导致结束时无法优雅关闭，忽略最后的错误即可。
2.windows 分布式压测执行 - GUI 方式
①. 原理
Jmeter 分布式测试时,客户端机器（window 系统或者 Linux 服务器）作为一个控制器 Master，控制多台 slave 机器的操作。
②. 配置
具体的 master 和 slave 的配置，会在分篇章中详细描述。不影响理解主线流程。
③. 执行
在 jmeter GUI 中可以通过如下方式调度远程 slave 机器执行压测任务
● 菜单项 - 运行 - 远程启动，指定运行机器
● 菜单项 - 运行 - 远程启动所有，会按照 remote host 中配置的负载机执行压测。
④. 查看执行结果
⑤. 清理
运行结束后需要手动去停止每个 slave 节点的进程
3.windows CLI 压测执行
CLI 相关参数：
-n 表示使用非 GUI 的方式运行
-t 表示指定 jmeter 的测试脚本
-l 表示生成指定的报告文件
-e 表示生成 html 报告
-o html 报告输出的路径
-J 相关的参数，需要结合测试脚本中定义的参数化变量使用的。
①. 本机执行脚本
jmeter -n -t cljzyycone.jmx -l jtl/x.jtl -e -o report/
-JthreadNum=10 -JrampTime=20 -JstepTime=20 -Jduration=10
查看控制台和生成的报告 - 本机执行
②. 远程调度执行脚本
master 调度 slave 执行，需要加上 -r 或者 -R 选项
调度全部 slave 使用 -r
jmeter -n -t cljzyycone.jmx -r -l jtl/x.jtl -e -o report/
-GthreadNum=10 -GrampTime=20 -GstepTime=20 -Gduration=10
调度指定 slave 使用 -R host 的形式
jmeter -n -t cljzyycone.jmx -R 10.19.1.219 -l jtl/x.jtl -e -o report/
-GthreadNum=10 -GrampTime=20 -GstepTime=20 -Gduration=5
查看控制台 - 远程调度执行
4.Linux CLI 压测执行
步骤如下：
①. Linux 上安装 JMeter
②. 创建压测目录，存放压测脚本和测试报告
③. docker-compose up 启动监控系统的几个 service
④. 执行压测脚本
#宿主机运行
jmeter -n -t cljzyycone.jmx -l jtl/cljyc.jtl -e -o report \
-JthreadNum=1000 -JrampTime=10 -JstepTime=20 -Jduration=10
⑤. 查看监控和压测报告
备注：如上的图形是有问题的，已经提交开发查看
5.基于 Dokcer 实现 JMeter 的分布式压测执行
当压测目标 TPS 较高时，需要部署多台 linux 服务器，但分布式压测要求：
● JMeter 压测要求每台机器的基础环境都要相同
每台机器都要先安装相同的 java 环境
再安装相同版本的 JMeter
配置相同 JMeter 插件
更改相同的配置文件 (slave 要改四个配置文件)
● 每台 slave 都需要单独的安装配置，如果有变动，需要按个操作一遍
● 每台 slave 需要打开指定的端口并运行 JMeter 服务器，准备就绪并等待主服务器发送指令。
● 数据驱动文件每台机器都要上传一份，且要保证路径相同，有变动的话需要全部重新上传一遍
● 执行压测时，进行统一调度比较繁琐（每台机器都要指定端口号）
使用 docker 可以很好的解决以上问题。
概述实现过程：
1.创建基于 centos7 的 java8 Dockerfile，作为 jmeter 的父层级
official 的 java8 镜像是基于 dibian 系统，在公司即使配置了国内源，仍然下载漫长又容易失败。
因此定制一个基于 centos7 的 java8 镜像，同时集成进一些常用包
2.创建 JMeter 相关的 Dockerfile，编写一些 build 命令、run 命令、exec 命令的脚本，最终启动 master 容器和 slave 容器。（后续的分章节再介绍这些脚本内容及使用方法）
3.创建 master 和 slave 镜像
以创建 slave 镜像为例
①. 编写 Dockerfile-slave
FROM handan0723/jmeter-base:v2
MAINTAINER jmeter-docker
EXPOSE 1099 50000
ENTRYPOINT $JMETER_HOME/bin/jmeter-server \
-Dserver.rmi.ssl.disable=true \
-Dserver.rmi.localport=50000 \
-Dserver_port=1099
②. 构建 slave 镜像
sh build.sh slave v2
build.sh：
#!/bin/bash
JMETER_VERSION=${JMETER_VERSION:-"5.4.3"}
IMAGE_TIMEZONE=${IMAGE_TIMEZONE:-"Asia/Shanghai"}
build_type=$1
build_tag=$2
docker build \
--build-arg JMETER_VERSION=${JMETER_VERSION} \
--build-arg TZ=${IMAGE_TIMEZONE} \
-f Dockerfile-$build_type \
-t jmeter-$build_type:$build_tag .
tip：涉及的镜像均已上传 docker hub，按需使用
[root@localhost jmeter-docker]# docker search handan0723
NAME DESCRIPTION STARS OFFICIAL AUTOMATED
handan0723/jmeter-base v2版本基于handan0723 / jdk8-centos:v4，V1基… 0
handan0723/jmeter-master v2 0
handan0723/jmeter-slave v2 0
handan0723/jdk8-centos v1-v3对应dockerfile 是使用jdk安装的，v4使用y… 0
4.生成容器
sh runmaster.sh 1 60000
sh runslave.sh 1 1100 1099 50000 50000
sh runslave.sh 2 1101 1099 50001 50000
备注：
每个 slave 生成容器时，要更换宿主机开放给容器的端口，如 50000,50001 递增
slave 容器数据卷可以只保留 log 目录和 testdata 目录，其他非必须。log 目录用于存放日志，便于发生错误时进行问题定位；testdata 用户存放数据驱动文件。
[root@localhost jmeter-docker]# docker ps -a
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
f83d8339616f jmeter-slave:v2 "/bin/sh -c '$JMETER…" About a minute ago Up About a minute 0.0.0.0:1101->1099/tcp, :::1101->1099/tcp, 0.0.0.0:50001->50000/tcp, :::50001->50000/tcp jmeter-cljyc-slave-2
3e8b366dedce jmeter-slave:v2 "/bin/sh -c '$JMETER…" About a minute ago Up About a minute 0.0.0.0:50000->50000/tcp, :::50000->50000/tcp, 0.0.0.0:1100->1099/tcp, :::1100->1099/tcp jmeter-cljyc-slave-1
1ca4b3011cc1 prom/prometheus:latest "/bin/prometheus --c…" 3 days ago Up 3 days 0.0.0.0:9090->9090/tcp, :::9090->9090/tcp jk_prometheus
1d838551945b google/cadvisor:latest "/usr/bin/cadvisor -…" 3 days ago Up 3 days 8080/tcp, 0.0.0.0:8081->8081/tcp, :::8081->8081/tcp jk_cadvisor
31b549fc8611 grafana/grafana:latest "/run.sh" 3 days ago Up 3 days 0.0.0.0:3000->3000/tcp, :::3000->3000/tcp jk_grafana
9ce0dc4eaf22 redis:latest "docker-entrypoint.s…" 3 days ago Up 3 days 0.0.0.0:6380->6379/tcp, :::6380->6379/tcp jk_redis
e6d0f1331947 influxdb:1.8.10 "/entrypoint.sh infl…" 3 days ago Up 3 days 0.0.0.0:8083->8083/tcp, :::8083->8083/tcp, 0.0.0.0:8086->8086/tcp, :::8086->8086/tcp, 0.0.0.0:8090->8090/tcp, :::8090->8090/tcp jk_influxdb
39e01d546376 jmeter-master:v2 "/bin/bash" 9 days ago Up 9 hours 0.0.0.0:60000->60000/tcp, :::60000->60000/tcp jmeter-cljyc-master-1
5.查看容器 ip
此处 IP 查询结果，用户 master cli 命令行中控制 slave 使用
docker inspect --format '{{ .Name }} => {{ .NetworkSettings.IPAddress }}' $( docker ps -a -q)
6.进入 master 容器
docker exec -it jmeter-cljyc-master-1 /bin/bash
执行 CLI 命令，根据压测目标 TPS，调整阶梯数值
jmeter -n -t ./jmx/cljzyycone.jmx \
-R 172.17.0.3:1099,172.17.0.4:1099 \
-l ./jtl/cljyc.jtl \
-e -o ./report \
-j ./log/jmeter-master.log \
-GthreadNum=10 -GrampTime=10 -GstepTime=10 -Gduration=50
调度一台 slave
调度 2 台 slave
对比下执行结果，我们脚本中要求的并发数 10，不是两台共同完成 10，而是每台都按照并发 10 去执行。因此可以实现加压的初始目的。
六、监控系统
在压测过程中，通过 HTML 报告可以查阅压测结果。但是只能在压测流程结束后，才能查看指标数据。无法观测执行过程中的异常波动，不具备实时性。如果使用 Basic Graphs 插件，因 jmeter 不擅长图形绘制，这样的组件极其耗损性能，影响压测执行及压测结果的准确性。
因此需要使用监控系统，更及时准确的监控整个压测过程。
具体的组件交互原理，环境搭建方式，配置过程，将会在单独的篇章中详细列出。概览只讲述组件构成，及使用方式。
1.监控系统组成
jmeter：压测执行及数据采集
InfluxDB：分布式时序、事件和指标数据库
Prometheus：时序数据库
Grafana：开源 WEB 可视化平台
2.实现原理
采集 -- 通过 JMeter 中配置 Backend Listener 去实时采集数据
存储 -- 在 InfluxDB 中进行相关配置，存储采集来的数据
展示 -- 在 Grafana 中进行相关配置，读取 InfluxDB 数据库中的数据，配置相应的 dashboard 进行展示 JMeter 采集到的数据
3.监控系统搭建方式
windows 环境搭建 JMeter + influxdb/prometheus + grafana 监控系统，展示效果如下
基于 docker-compose 搭建 JMeter + influxdb/prometheus + grafana 监控系统
启动容器
[root@localhost jkxt]# docker-compose up -d
Creating jk_redis ... done
Creating jk_cadvisor ... done
Creating jk_prometheus ... done
Creating jk_influxdb ...
Creating jk_redis ...
Creating jk_cadvisor ...
Creating jk_prometheus ...
[root@localhost jkxt]# docker ps
CONTAINER ID IMAGE COMMAND CREATED STATUS PORTS NAMES
280c447c1e97 prom/prometheus:latest "/bin/prometheus --c…" 2 minutes ago Up 2 minutes 0.0.0.0:9090->9090/tcp, :::9090->9090/tcp jk_prometheus
a00db4de47da google/cadvisor:latest "/usr/bin/cadvisor -…" 2 minutes ago Up 2 minutes 8080/tcp, 0.0.0.0:8081->8081/tcp, :::8081->8081/tcp jk_cadvisor
5c04c5ebc022 redis:latest "docker-entrypoint.s…" 2 minutes ago Up 2 minutes 0.0.0.0:6380->6379/tcp, :::6380->6379/tcp jk_redis
9edb14c81e3c grafana/grafana:latest "/run.sh" 2 minutes ago Up 2 minutes 0.0.0.0:3000->3000/tcp, :::3000->3000/tcp jk_grafana
c582e8e25dee influxdb:1.8.10 "/entrypoint.sh infl…" 2 minutes ago Up 2 minutes 0.0.0.0:8083->8083/tcp, :::8083->8083/tcp, 0.0.0.0:8086->8086/tcp, :::8086->8086/tcp, 0.0.0.0:8090->8090/tcp, :::8090->8090/tcp jk_influxdb
配置好各个服务后，在浏览器中打开监控页面
4.监控系统为什么使用 Docke-compose
简化管理：虽然不像微服务架构动辄几十服务，监控系统涉及服务要是单独管理还是比较麻烦的，手动启停维护工作量较大
解决服务依赖性问题：监控系统服务存在依赖关系，需要相互配合才能实现监控系统的功能。
可移植性：只需要编写一份 docker-compse.yml，及提供相应服务的配置文件，可以快速移植到任何需要监控的服务器中
总结
以上内容是压测的一次概要描述，主要用于了解本次压测的背景，业务逻辑，压测指标，压测工具、压测流程 及 压测执行方式。
后续会针对具体场景进行详细实现的描述，具体拆解如下。