最早提到接口测试的优点时，有一个就是执行效率提升，可能是 UI 层面执行的 N 倍。但是今天我要分享的这个案例这个优点的升级版本。

某个接口参数倒是不多，但是每个参数的范围略大，最大的将近 500 个枚举范围，小的也是 20 个。如果把所有参数组合穷举完，粗略估计可能 10 亿级别的。

需求就是要把这部分所有参数组合都遍历进行测试，然后我就开始了踩坑了。

初版方案

一开始的想法就是多个循环嵌套，然后并发发起请求，实现起来非常简单方便。如下：

@Log4j2
class TT extends MonitorRT {

    static void main(String[] args) {
        ["types参数集合"].each {
            def type = it
            ["id类型集合"].each {
                def id = it
                2.upto(99) {
                    def a = it
                    2.upto(99) {
                        def b = it
                        2.upto(99) {
                            def c = it
                            def params = new JSONObject()
                            params.id = id
                            params.endTime = 0
                            params.type = type
                            params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}")
                            fun {
                                getHttpResponse(getHttpGet(url,params))
                            }
                        }
                    }
                }
            }
        }
    }
}

但是方案的缺陷显而易见。

  1. 数量太大，导致后面的异步任务直接被线程池拒绝
  2. 无法控制 QPS 和并发数

针对这第一个问题，我是增加了异步线程池等待队列的长度，可以我发现了新的问题，就是内存压力太大，这个会在后面的中也遇到。

升级版

针对存在第二个问题，我回归到性能测试框架中，通过动态调整 QPS 的功能来调整 QPS 或者并发数，这里我选择了 QPS，这个更容易更可控。我的思路是，先把所有参数遍历一遍，存在一个 List 当中，然后在去遍历这个 List，通过动态 QPS 压测模型把所有请求发出去。


static void main(String[] args) {
    def list = []
    ["types参数集合"].each {
        def type = it
        ["id类型集合"].each {
            def id = it
            2.upto(99) {
                def a = it
                2.upto(99) {
                    def b = it
                    2.upto(99) {
                        def c = it
                        def params = new JSONObject()
                        params.id = id
                        params.endTime = 0
                        params.type = type
                        params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}")
                    }
                }
            }
        }
    }
    AtomicInteger index = new AtomicInteger()
    def test = {
        def increment = index.getAndIncrement()
        if (increment >= list.size()) FunQpsConcurrent.stop()
        else getHttpResponse(getHttpGet(url, list.get(increment)))
    }
    new FunQpsConcurrent(test,"遍历10亿参数组合").start()
}

但是新的问题立马就来了，当我运行改代码的时候，发现本机的 CPU 疯狂飙升，仔细看了一下，原来是 GC 导致的。存放这么多的数据，内存撑不住了。下面就着手解决内存的问题，这里参考10 亿条日志回放 chronicle 性能测试中的思路。

终版

这里用到了线程安全的队列java.util.concurrent.LinkedBlockingQueue以及对应长度的等待功能，再配合异步生成请求参数，基本上完美解决需求。这里依旧使用休眠 1s 来进行缓冲，避免队列长度过大，只有队列长度足够 1s 的 2 倍消费即可。

static void main(String[] args) {
    def ps = new LinkedBlockingQueue()
    fun {
        ["types参数集合"].each {
            def type = it
            ["id类型集合"].each {
                def id = it
                2.upto(99) {
                    def a = it
                    2.upto(99) {
                        def b = it
                        2.upto(99) {
                            def c = it
                            def params = new JSONObject()
                            params.id = id
                            params.endTime = 0
                            params.type = type
                            params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}")
                            if (ps.size() > 10_0000) sleep(1.0)
                            ps.put(params)
                        }
                    }
                }
            }
        }
    }
    AtomicInteger index = new AtomicInteger()
    def test = {
        def params = ps.poll(100, TimeUnit.MILLISECONDS)
        if (params == null) FunQpsConcurrent.stop()
        else getHttpResponse(getHttpGet(url, params))
    }
    new FunQpsConcurrent(test, "遍历10亿参数组合").start()
}

随着对队列的学习和使用，最近自己也想写一个 10 亿级别的日志回放功能，到时候对比chronicle看看性能如何，敬请期待。


↙↙↙阅读原文可查看相关链接，并与作者交流