自研长链接压测概览

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。

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

压测指标预估

备注

本次RT时间 以TP95 为标准

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。

01

业务指标

02

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%

03

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

04

使用的第三方业务

● 不涉及第三方

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

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。

1windows 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。

2windows 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

3windows 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

4windows CLI 压测执行

①. Linux 上安装JMeter①. 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

5windows CLI 压测执行

备注：如上的图形是有问题的，已经提交开发查看

6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 .

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。

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，存储采集来的数据存储 -- 在 InfluxDB 中进行相关配置，存储采集来的数据存储 -- 在 InfluxDB 中进行相关配置，存储采集来的数据存储 -- 在 InfluxDB 中进行相关配置，存储采集来的数据存储 -- 在 InfluxDB 中进行相关配置，存储采集来的数据存储 -- 在 InfluxDB 中进行相关配置，存储采集来的数据

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

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。

分享给第一个想到的人