性能测试工具 基于线上请求的性能测试系统 CPC

胡刚 · 2016年05月06日 · 最后由 jacexh 回复于 2016年06月15日 · 3111 次阅读
本帖已被设为精华帖!

1.背景

测试人员在设计性能测试脚本时,HTTP 请求中的参数往往根据个人经验设置,而测试人员水平参差不齐,设计往往具有局限性,不够全面,不能涵盖全线上真实的请求,故得到的性能测试结果不能够真实反映线上真实的情况。

使用线上环境下的 HTTP 请求检查软件性能的问题,通过 Gor 记录线上真实的请求,作为性能测试脚本的请求池,用请求池物料进行性能测试,能真实的反映软件系统在线上环境下的性能指标和问题。

2.概念

2-1.架构图

这里写图片描述

2-2.技术栈

请求池:

Gor:

HTTP 录制工具 https://github.com/buger/gor

Webdis:

A very simple web server providing an HTTP interface to Redis https://github.com/nicolasff/webdis

redis:

持久化缓存

性能测试工具:

nGrinder 二次开发:

http://blog.csdn.net/neven7/article/details/50740018

Spring MVC

链路可视化:

watchman(微博 APM)

influxDB:

时序化 DB https://github.com/influxdata/influxdb

Grafana:

可视化工具 https://github.com/grafana/grafana

3.实现

3-1.请求池

使用 Gor 录制线上请求,根据线上请求,序列化成 Json String, 持久化到 redis;性能测试脚本根据 key,获取到线上请求数据,进行压测。

为了方便部署请求池,将请求池 docker 化,使用如下命名,启动 docker 容器:

docker run -i -t --net=host gor-request-parser /bin/bash

开始录制线上数据:

sh gor_request_parser.sh 8080 60 GET your_api_name NONBASIC ip port

参数介绍:
8080:监听端口
60:监听时间(秒)
GET:HTTP METHOD
your_api_name:过滤其他url,只保留your_api_name请求
NONBASIC:非BASIC认证接口,参数BASIC为BASIC接口
ip port:webdis服务

60s 后, 请求数据持久化到 redis 中

***************************************************
              gor http请求 序列化                  
  http请求记录中,60 秒后,终止记录   
***************************************************
Version: 

***************************************************
       记录结束, http请求序列化到请求池     
       @author hugang       
***************************************************

redis 的 key 为$date_$hostname_$url

value 为 Json Array,形如:

这里写图片描述

3-2.性能测试脚本

性能测试工具使用 nGrinder,进行二次开发,请参考:http://blog.csdn.net/neven7/article/details/50740018
性能测试脚本使用 redis 获取线上请求数据,依赖 jedis、fastJson,在脚本 lib 中导入这 2 个 jar 包。

范例:

package org.ngrinder;

import static net.grinder.script.Grinder.grinder
import static org.junit.Assert.*
import static org.hamcrest.Matchers.*
import net.grinder.plugin.http.HTTPRequest
import net.grinder.plugin.http.HTTPPluginControl;
import net.grinder.script.GTest
import net.grinder.script.Grinder
import net.grinder.scriptengine.groovy.junit.GrinderRunner
import net.grinder.scriptengine.groovy.junit.annotation.BeforeProcess
import net.grinder.scriptengine.groovy.junit.annotation.BeforeThread
// import static net.grinder.util.GrinderUtils.* // You can use this if you're using nGrinder after 3.2.3
import org.junit.Before
import org.junit.BeforeClass
import org.junit.Test
import org.junit.runner.RunWith

import HTTPClient.HTTPResponse
import HTTPClient.NVPair


import java.util.ArrayList;
import java.util.Collections;
import java.util.List;

import groovy.json.JsonBuilder
import groovy.json.JsonSlurper

import com.alibaba.fastjson.JSONArray;
import redis.clients.jedis.Jedis;

/**
 * A simple example using the HTTP plugin that shows the retrieval of a
 * single page via HTTP. 
 * 
 * This script is automatically generated by ngrinder.
 * 
 * @author hugang
 */
@RunWith(GrinderRunner)
class TestRunner {
    public static GTest test
    public static HTTPRequest request
    public static File file
    public static JSONArray jsonArray

    @BeforeProcess
    public static void beforeProcess() {
        HTTPPluginControl.getConnectionDefaults().timeout = 6000
        test = new GTest(1, "压测ip")
        request = new HTTPRequest()
        test.record(request);

        // 读取请求池数据
        Jedis jedis = new Jedis("redis ip", redis port);
        // redis key
        String key = "your key";
        String jsonStr = jedis.get(key);

        jsonArray = JSONArray.parseArray(jsonStr);
        // grinder.logger.info(jsonArray.getString(0));
        // grinder.logger.info("before process.");
    }

    @BeforeThread 
    public void beforeThread() {
        grinder.statistics.delayReports=true;
    }


    @Test
    public void test(){
        // 随机获取
        int index = (int) (Math.random() * jsonArray.size());
        String httpInfo = jsonArray.getString(index);


        def json = new JsonSlurper().parseText(httpInfo)

        String api = json.api
        Map param = json.param

        def nvs = []
        param.each{
            key, value -> nvs.add(new NVPair(key, value))
        }


        // GET请求,wiki http://grinder.sourceforge.net/g3/script-javadoc/net/grinder/plugin/http/HTTPRequest.html
        // param1: uri, param2: queryData
        // HTTPResponse GET(java.lang.String uri, NVPair[] queryData) Makes an HTTP GET request.
        HTTPResponse result = request.GET("http://压测ip" + api, nvs as NVPair[])
        if (result.statusCode == 301 || result.statusCode == 302) {
            grinder.logger.warn("Warning. The response may not be correct. The response code was {}.", result.statusCode); 
        } else {
            assertThat(result.statusCode, is(200));
            // 请求返回的数据
            // println(result.text);
            // 定义一个事务,接口返回数据校验,是否包含
            assertThat(result.text, containsString("\"code\""));
        }
    }
}


3-3. 链路时间分布可视化

链路时间展示,启动 web 服务指定-javaagent 为 watchman agent,使用字节码增强,获取某一段时间内代码链路的分布时间。
请参考:http://blog.csdn.net/neven7/article/details/50980726

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 14 条回复 时间 点赞

其实这思路就是将线上的真实请求在测试环境回放吧

我们的做法是将线上请求日志回放,支持回放倍率调节,这样可以较准确的预测业务增长对服务器的影响

#2 楼 @jacexh 角度不一样,直接流量回放是粗粒度的,性能数据不好统计,我们这边也有,是使用 TCPCopy 直接放大线上流量(开发和运维操作),一般通过监控系统观察错误和响应时间或者通过代码打点统计日志数据;CPC 是细粒度的,性能测试脚本直接通过线上的请求数据压测,通过不同的 qps 模拟正常流量和峰值流量下各项性能指标。

#3 楼 @neven7 TCPCopy 是直接的流量复制,的确像你所说的,是粗粒度的,而且较难统计,我所提到的基于日志回放的性能测试框架不是这种简单的回放。
CPC 依赖 Gor,但据我以前的经验,Gor 无法录制 https,你们怎么处理?
另外你给出的例子基本都是Get请求,那对于非幂等的接口,不能重用请求参数,该怎么处理?

#4 楼 @jacexh 1.https 的问题,Gor 确实是不能录制 https,一种折中的方式是进行压测时,临时将服务 https 改成 http;CPC 现在不支持 https 协议,业务暂时不需要支持 https。

  1. 上行接口(POST),如果压测的系统资源是线上资源,不会录制上行接口,因为会写花数据,这种只能用测试数据模拟请求;如果压测的系统资源是测试资源,可以录制上行接口; 你说的非匿等接口,不能重用请求参数,这种接口只能临时生成满足的参数。

#5 楼 @neven7 比较关注,线上的数据隔离,读写数据如何处理的,环境是全应用,还是切实例或者分组?压力源与被压是否同机房?
针对 主从或者多个从环境是否不变,依赖接口有写操作 如何处理?

帮转一个公众号文章上的留言:

这个工具性能怎么样?如果要支持百万级的下单接口,需要多少负载机啊?

#6 楼 @taki 问题 1.数据隔离,其实可以通过接口参数标识,微博接口都有个来源参数,压测时用压测 source,不会影响线上的一些策略统计(忽略压测 source);读数据可以用线上录制的参数;写数据,环境如果是线上,只能用测试数据模拟调用; 问题 2.同机房最好了,但是在同一个内网内就可以了; 问题 3.“主从或者多个从环境是否不变” 没理解意思

#7 楼 @chenhengjie123 性能还是可以的,当然 nGrinder 工具本身是用 java 写的,并发量很高时是很耗内存,这就要求安装的机器配置要很高;启 web 容器时,堆的大小也要尽量大点,单个 nGrinder controller 万级是可以支持的(实践已经到了万级),如果搭建 controller 集群几十万级的量还是可以(理论,没校验);百万级的,我所了解,业内还没有这种工具;你如果只是想得出接口性能数据,其实不一定要模拟到百万级,你算出均摊到单台前端机的 qps,直接压测单台。接口日均 pv * (80%/20%)/(24 * 3600)/前端机总数=单台前端 qps 峰值

胡刚 #10 · 2016年05月12日 Author

#9 楼 @neven7 更正一下 9 楼,百万级并发的数人云做到了,是用 tsung,他们用数千个 docker 容器模拟并发,可参考http://m.it168.com/article_2532243.html,但是并发量达到了,他们的性能数据怎么产生和搜集,文章中没有细节,其实也最关注结果,并发量那么大收集数据也是个瓶颈。

#8 楼 @neven7 线上都有应急预案,一般数据库 可能是 一主一从,或者一主多从,读写分离,我想问的是,在压测的过程中,是否还是用正式环境的持久化,还是 摘出了一个数据库或者是另外搭建一套

胡刚 #12 · 2016年05月12日 Author

#11 楼 @taki 还是保持一致,线上真实场景;如果单独拆,成本高,又不真实;当然前提是有完善的监控,随时暂停压测。

#2 楼 @jacexh 请问一下,流浪放大针对唯一性的入参数据这块是怎么处理的呢?

#13 楼 @taki 在采集参数、拷贝参数、回放阶段都预设了 hook,利用这些 hook 将被复制的参数再做处理,使其能够唯一

需要 登录 後方可回應,如果你還沒有帳號按這裡 注册