压测的目的

压力测试是对系统不断施加压力,来获得系统最大服务能力的测试。
一般而言,只有在系统基础功能测试验证完成、系统趋于稳定的情况下,才会进行压力测试。

当负载逐渐增加时,观察系统各项性能指标的变化情况是否有异常

当负载逐渐增加时,观察系统各项性能指标的变化情况是否有异常

(如:使用mysql存储的系统,高并发情况下,数据库读写速度慢,可以考虑增加数据库中间件,加缓存等;使用redis存储的系统,通常存储不会制约性能,但在高并发情况下,Redis的吞吐量非常大,这时候就需要考虑增加网络带宽来提高性能。)

系统在高并发情况下是否会报错,进程是否会挂掉

测试在系统某个方面达到瓶颈时,系统可以支持的最大负载

压测的关注点

压测的指标通常有tps、响应时间、错误率等,服务器资源监控cpu、内存、 I/O。
指标的来源:用户对各项指标提出明确需求,如果用户没有提出性能指标则根据用户需求和自己的经验来预估。

观察服务器的各种异常情况

响应变慢

返回4XX、5XX错误码

服务器无响应

服务器crash等

压测指标

ab kafka 压测_压测

**注:**并发用户数≠每秒请求数

比如说:在性能测试工具或者脚本中设置了100并发用户数后,并不是每秒100个请求发给服务器。每秒发出多少请求只跟服务器返回响应的速度有关。如果用户在50ms内就收到了响应,那么它会立即发出第二个请求;而如果要一直等待3秒才能得到响应,它将会一直等到收到响应后才发出第二个请求。所以,只有当响应时间恰好是1秒时,并发用户数才会等于每秒请求数;否则每秒请求数可能大于并发用户数或小于并发用户数。

ab kafka 压测_java_02

在并发数达到一定的数量后,系统的吞吐量就上不去了,如果压力继续增大,系统的吞吐量反而会下降,原因是系统超负荷工作,上下文切换、内存等其它消耗导致性能下降。

压测步骤

ab kafka 压测_压测_03

1.参数化是使用指定数据源中的值来替换脚本中的参数,可以更加真实的模拟现实应用。

2.压测中的场景可以理解为功能测试中的用例,合理的场景设计才会更好地发现系统的性能缺陷。

3、执行压测场景后,若分析结果没有达到预期,提出优化方案,优化后再重新测试。

场景设计涉及要素

ab kafka 压测_ab kafka 压测_04

1.并发用户数是多少?

2.需要包含哪些接口请求,各个接口请求的占比是多少?比如,70%的用户在请求获取配置的接口,30%的用户在请求上报结果接口。

3.各个操作之间的等待时间是多少?

4.测试刚开始时,以什么样的速率来添加并发用户?比如,每秒增加5个并发用户。

5.测试结束时,以什么样的速率来减少并发用户?比如,每秒减少5个并发用户。

6.达到最大并发用户数后持续多长时间?

7.需要监控哪些被测服务器的哪些指标?

8.脚本出错时的处理方式是什么?比如,错误率达到 10% 时,自动停止该脚本。

9.需要使用多少台施压机才能使被压机器产生足够的压力?

场景设计分析实例

1000台客户机,每台客户机间隔2s上报一次心跳(获取任务),服务端每秒向每个客户端下发一个任务,每个任务执行完成后向服务端上报result和message
服务器:lvs 6台 4核8G Linux
数据库:redis、mysql
场景分析:共包含3个接口

ab kafka 压测_压力测试_05

预估tps:500+1000+1000=2500服务器每秒应能支持2500个请求

TPS=并发数/响应时间

接口平均响应时间:(1001+1502+400*2)/5=160ms

**并发数:**400

**操作顺序:**心跳(获取任务)->上报结果 ->上报其他信息

**需要监控信息:**服务器资源:CPU、内存、负载

**数据库:**mysql行锁时间、连接数、从库延时redis连接数、CPU使用率、内存

ab kafka 压测_数据库_06

测试结果分析-确认问题

将测试结果与用户需求做比较,如果达不到用户需求,则需要对问题进行分析

ab kafka 压测_压测_07

常见问题分析

**优化前:**平均响应时间较长,Tps基本在1000左右,由于mysql操作占用较高的io,CPU大部分空闲,负载均在1左右。

**原因:**mysql的性能影响了服务的性能,由于mysql经常连到上海、深圳,所以会时慢时快。

**优化:**mysql都连到北京机房

**优化后:**tps达到2000左右,平均响应时间是优化前的二分之一,tps是优化前的二倍。

ab kafka 压测_java_08

压测工具介绍

ab kafka 压测_压力测试_09

ab kafka 压测_java_10

Jmeter脚本创建

ab kafka 压测_压力测试_11

ab kafka 压测_数据库_12

ab kafka 压测_java_13

BeanShell PreProcessor是一个前置处理器,它可以进行一些处理,比如执行一个算法并将结果存储到参数中。

ab kafka 压测_数据库_14

响应断言:不符合断言的记为错误请求

ab kafka 压测_java_15

设置压测任务的并发数、执行时间等

ab kafka 压测_压力测试_16

若未指定ramp-up period ,默认为零,将立即建立所有线程。假设ramp-up period 设置成T 秒, 全部线程数设置成N个, 将每隔T/N秒建立一个线程。

比如:使用10个线程,ramp-up period是100秒,每个线程会在上一个线程启动后10秒(100/10)启动

查看聚合报告

ab kafka 压测_java_17

ab kafka 压测_压测_18

ab kafka 压测_压测_19