性能测试工具 nGrinder 源码分析:自动中断测试任务

胡刚 · 2016年03月13日 · 最后由 胡刚 回复于 2016年06月02日 · 3544 次阅读

1.背景

在运行 nGrinder 任务时,会出现任务被系统中断,为什么会自动中断呢?是 bug 还是一种保护机制?本文通过源码分析的方式来解读。

2.源码分析

之前的一篇文章:性能测试工具 nGrinder 项目剖析及二次开发,介绍了 nGrinder 的整体架构,知道 ngrinder-core/src/main/java/net/grinder/SingleConsole.java 是将测试脚本发布到 Agent 并在其上执行性能测试,该类实现了收集测试过程中的采样数据,将数据分成两部分记录:

  1. 写入记录文件,供时序图展示(*.data 和 csv)
  2. 写入内存,供详细数据展示(private Map<String, Object> statisticData, 持久化到 DB)

其中将采样数据写到第一部分(*.data 和 csv)的实现方法如下:

/*
     * (non-Javadoc)
     *
     * @see
     * net.grinder.console.model.SampleListener#update(net.grinder.statistics
     * .StatisticsSet, net.grinder.statistics.StatisticsSet)
     */
    @Override
    public void update(final StatisticsSet intervalStatistics,
            final StatisticsSet cumulativeStatistics) {
        try {
            if (!capture) {
                return;
            }
            samplingCount++;
            long currentPeriod = cumulativeStatistics.getValue(getSampleModel()
                    .getPeriodIndex());
            setTpsValue(sampleModel.getTPSExpression().getDoubleValue(
                    intervalStatistics));
            checkTooLowTps(getTpsValues());
            updateStatistics(intervalStatistics, cumulativeStatistics);
            // 将采样数据写入csv数据
            // hugang
            writeIntervalCsvData(intervalStatistics);
            int interval = getSampleModel().getSampleInterval();
            long gap = 1;
            if (samplingCount == 1) {
                lastSamplingPeriod = currentPeriod;
            } else {
                lastSamplingPeriod = lastSamplingPeriod + interval;
                gap = ((currentPeriod - lastSamplingPeriod) / interval);
            }
            // Adjust sampling delay.. run write data multiple times... when it
            // takes longer than 1
            // sec.

            samplingLifeCycleListener
                    .apply(new Informer<SamplingLifeCycleListener>() {
                        @Override
                        public void inform(SamplingLifeCycleListener listener) {
                            listener.onSampling(getReportPath(),
                                    intervalStatistics, cumulativeStatistics);
                        }
                    });
            for (int i = 0; i < (gap + 1); i++) {
                final boolean lastCall = (samplingCount == 1 && i == 0)
                        || (samplingCount != 1 && i == gap);
                // 将采样数据写到*.data文件
                // hugang
                writeIntervalSummaryData(intervalStatistics, lastCall);
                if (interval >= (MIN_SAMPLING_INTERVAL_TO_ACTIVATE_TPS_PER_TEST)) {
                    writeIntervalSummaryDataPerTest(
                            intervalStatisticMapPerTest, lastCall);
                }
                samplingLifeCycleFollowupListener
                        .apply(new Informer<SamplingLifeCycleFollowUpListener>() {
                            @Override
                            public void inform(
                                    SamplingLifeCycleFollowUpListener listener) {
                                listener.onSampling(getReportPath(),
                                        intervalStatistics,
                                        cumulativeStatistics, lastCall);
                            }
                        });
            }
            checkTooManyError(cumulativeStatistics);
            lastSamplingPeriod = lastSamplingPeriod + (interval * gap);
        } catch (RuntimeException e) {
            LOGGER.error("Error occurred while updating the statistics : {}",
                    e.getMessage());
            LOGGER.debug("Details : ", e);
            throw e;
        }
    }

其中:


writeIntervalCsvData(intervalStatistics);

writeIntervalSummaryData(intervalStatistics, lastCall);

分别将采样数据写到 output.csv 和 *.data。

注意,有 2 个 check 方法:

checkTooLowTps(getTpsValues());
checkTooManyError(cumulativeStatistics);

checkTooLowTps(getTpsValues());会判断 1 分钟内 TPS 小于 0.01,如果为 true,将向 ConsoleShutdownListener 监听器发送停止信号。

/**
     * Check if the TPS is too low. the TPS is lower than 0.001 for 1 minutes,
     * It emits a shutdown event to the {@link ConsoleShutdownListener}
     *
     * @param tps
     *            current TPS
     */
    private void checkTooLowTps(double tps) {
        // If the tps is too low, which means the agents or scripts went wrong.
        if (tps < 0.001) {
            if (momentWhenTpsBeganToHaveVerySmall == 0) {
                momentWhenTpsBeganToHaveVerySmall = System.currentTimeMillis();
            } else if (new Date().getTime() - momentWhenTpsBeganToHaveVerySmall >= TOO_LOW_TPS_TIME) {
                LOGGER.warn(
                        "Stop the test because its tps is less than 0.001 for more than {} minitue.",
                        TOO_LOW_TPS_TIME / 60000);
                getListeners().apply(new Informer<ConsoleShutdownListener>() {
                    public void inform(ConsoleShutdownListener listener) {
                        listener.readyToStop(StopReason.TOO_LOW_TPS);
                    }
                });
                momentWhenTpsBeganToHaveVerySmall = 0;

            }
        } else {
            momentWhenTpsBeganToHaveVerySmall = 0;
        }
    }


private void checkTooManyError(StatisticsSet cumulativeStatistics):会判断 10s 内事务数错误率>=50%,如果为 true,通知监听器 ConsoleShutdownListener listener 终止任务。

/**
     * Check if too many error has been occurred. If the half of total
     * transaction is error for the last 10 secs. It notifies the
     * {@link ConsoleShutdownListener}
     *
     * @param cumulativeStatistics
     *            accumulated Statistics
     */
    private void checkTooManyError(StatisticsSet cumulativeStatistics) {
        StatisticsIndexMap statisticsIndexMap = getStatisticsIndexMap();
        long testSum = cumulativeStatistics.getCount(statisticsIndexMap
                .getLongSampleIndex("timedTests"));
        long errors = cumulativeStatistics.getValue(statisticsIndexMap
                .getLongIndex("errors"));
        // testSum 成功事务数, errors 失败事务数
        // hugang
        if (((double) (testSum + errors)) / 2 < errors) {
            if (lastMomentWhenErrorsMoreThanHalfOfTotalTPSValue == 0) {
                lastMomentWhenErrorsMoreThanHalfOfTotalTPSValue = System
                        .currentTimeMillis();
            } else if (isOverLowTpsThreshold()) {
                LOGGER.warn(
                        "Stop the test because the count of test error is more than"
                                + " half of total tps for last {} seconds.",
                        TOO_MANY_ERROR_TIME / 1000);
                getListeners().apply(new Informer<ConsoleShutdownListener>() {
                    public void inform(ConsoleShutdownListener listener) {
                        listener.readyToStop(StopReason.TOO_MANY_ERRORS);
                    }
                });
                lastMomentWhenErrorsMoreThanHalfOfTotalTPSValue = 0;
            }
        }
    }

3.总结

nGrinder 中断测试任务,是一种保护机制;当被测系统性能已经很差,nGrinder 通过自动中断任务,不再继续对该系统产生压力。

判断标准:

  1. TPS 在 1 分钟内小于 0.001
  2. 事务错误率在 10s 内大于等于 50%

如果上述条件,某一条为 true,自动中断任务。

附:
nGrinder 的 debug 日志为:
/root/.ngrinder/logs/ngrinder.log
这里写图片描述

如果觉得我的文章对您有用,请随意打赏。您的支持将鼓励我继续创作!
共收到 30 条回复 时间 点赞

支持!!!望继续出好文

nGrinder 这个来源项目,是不是没人维护了??最新版本还是 2014 的?

手动点赞,持续关注大神~~

#2 楼 @chengaomin
还是有更新的,github 上更新记录:
Latest commit 263cf51 on Nov 18, 2015 @GwonGisoo GwonGisoo Merge pull request #86 from GwonGisoo/easy-script-generator

#3 楼 @yusufchang 谢谢,喜欢文章,别忘了赞下文章

请教,比如我有 2 台 agent 在北京,2 台 agent 在上海,我一会儿进行压测,需要使用北京的机器,有办法指定吗?

#7 楼 @chengaomin 测试配置中无法选择具体的代理,可以用一种变通的方法,可以进入代理管理页面,把你上海的 2 个 agent 选择未许可, 剩下可用的 agent 就是北京的了。

#8 楼 @neven7 那还涉及到另外一个问题,这个平台能同时多个人运行测试吗?如果只有 2 台 agent。4 个人同时运行脚本,可否?

#8 楼 @neven7 还有,A 用户部署的 agent,B 用户是否可以使用?

#8 楼 @neven7 nGrinder 的集群模式有试过吗??不知道能不能满足我北京、上海不同机房的问题 http://my.oschina.net/u/939534/blog/103943

胡刚 #12 · 2016年03月15日 Author

#9 楼 @chengaomin 支持多人运行,一个任务对应一或多个 agent,如果 agent 被一个任务占用,则新任务会阻塞,直到 agent 使用结束。2 台 agent 则只能同时执行 2 人同时执行,一人一个 agent。

胡刚 #14 · 2016年03月15日 Author

#11 楼 @chengaomin 可以, 有 2 种方式搭建集群: 1.Easy Clustering Guide; http://www.cubrid.org/wiki_ngrinder/entry/easy-clustering-guide 2.Advanced Clustering Guide; http://www.cubrid.org/wiki_ngrinder/entry/advanced-clustering-guide

#14 楼 @neven7 我上看了 1.Easy Clustering Guide; http://www.cubrid.org/wiki_ngrinder/entry/easy-clustering-guide 2.Advanced Clustering Guide; http://www.cubrid.org/wiki_ngrinder/entry/advanced-clustering-guide 企图搭建试试,然而没有成功。。。。启动会报错,不知道您是否有成功的经验

膜拜大神,一直关注着 。 作为国内少有人使用的 nGrinder 的,需要更多深入去了解的人。

胡刚 #17 · 2016年03月16日 Author

#15 楼 @chengaomin 1.第一种 比较简单,需要安装个 H2, 启个服务: wget http://www.h2database.com/h2-2016-01-21.zip
bin 路径下 java -cp h2-1.4.191.jar org.h2.tools.Server -tcp &, 然后依次启;2.第二种 比较复杂,需要搭建 NFS 和 Cubrid;
我觉得 你如果是希望可以多人用,不够 agent, 你可以自己写个 Dockerfile(可以参照它的 github 里的 docker 文件夹,有单机和集群,集群成本有些高),打个 image,不同人需要用的时候,docker run 一下就行。

#17 楼 @neven7 嗯,我还在尝试………还未成功

#17 楼 @neven7 jmeter 上,有个 constant throughput Timer,可以控制每分钟最多请求数来控制吞吐量,不知道 ngrinder 能实现吗

胡刚 #20 · 2016年03月17日 Author

#18 楼 @chengaomin 加油,不断尝试,才会有收获。

胡刚 #21 · 2016年03月17日 Author

#19 楼 @chengaomin QPS 是根据你测试配置里的虚拟用户数控制的,你设置 n 个,QPS 最大就是 n 请求/s; 每分钟请求数 / 60 就是你测试配置里的虚拟用户数。

#21 楼 @neven7 在 nGrinder 里面的 TPS,和 jmeter 里面说的 QPS,是一个概念吗?? 在我看来,虚拟用户的数量 n,qps 最大值不是 n 请求/s,可能比 n 大,虚拟用户是在不停的请求,说不定 1 个虚拟用户,每秒不一定只请求一下咯

#20 楼 @neven7 第一种 easy 模式终于起来了,一个大坑就是 h2 的数据库,必须是 2014 年那个版本,新版 2016 的会报错

胡刚 #25 · 2016年03月17日 Author

#22 楼 @chengaomin TPS 系统每秒处理事务数,是用来反映系统的性能指标; QPS 是每秒请求量,模拟真实的请求量,阿里有个公式:日均 pv(万) *(80% / 20%)/ (24 * 3600) = 预估的 QPS; 虚拟用户 n(其实是线程), 在 nGrinder 中,是指 n 个线程去执行@Test,可以理解为 n 个请求/s。

#25 楼 @neven7 感谢多日来的耐心答疑!

#25 楼 @neven7 又遇到个问题,python 的测试脚本,如何在本地调试呢

胡刚 #28 · 2016年03月27日 Author

#27 楼 @chengaomin 本地调试,无非是要拿到它依赖的包, 你根据 nGrinder 自动生成的脚本文件,它所依赖的包,直接到网上找,下到本地就行。

#27 楼 @chengaomin 你有尝试下载源码,自己打 war 包么?

30楼 已删除
胡刚 #31 · 2016年06月02日 Author

#22 楼 @chengaomin   对不起,之前理解有误,更正下 25 楼中的解答 “ 虚拟用户 n(其实是线程), 在 nGrinder 中,是指 n 个线程去执行@Test,可以理解为 n 个请求/s。” 如果@Test执行体中只定义了一个请求,并且没有思考时间,Vusers = TPS * RT; TPS 可以理解为系统的吞吐量 (也可以理解为 qps); ; 当 TPS 的增长率小于响应时间的增长率时,这就是性能的拐点,也就是最合理的并发用户数;当 TPS 不再增长或者下降时,这个时候的压力就是最大的压力,所使用的并发用户数就是最大的并发用户数。如果此时的 TPS 不满足你的要求,那么就需要寻找瓶颈来优化。

需要 登录 后方可回复, 如果你还没有账号请点击这里 注册