性能监控体系实战

1、Jmeter基础功能回顾

• 创建JMeter脚本
  • 录制新建：需求急、有时候需要修改、不推荐
  • 手动创建：推荐
• 接口压力测试请求的创建
  • post
  • get
  • put
  • …
• 压力测试请求中的数据传递
  • JSON提取器
  • XPATH提取器
• 压力测试中的结果断言校验
  • Response Assertion
  • JSON Assertion
• 利用Beanshell生成测试数据
  • Beanshell script逻辑生成数据
  • Java代码逻辑生成数据
• 全局变量与CSV数据导入
  • User Defined Variables
  • CSV Data Set
• 压测结果解读
  • 聚合报告
  • 请求/响应结果树
  • Debug Sample

2、压测脚本准备

• 被压测试程序：https://github.com/princeqjzh/iJmeter >iJmeter/application/orderservice.py
• 压测脚本：iJmeter-master\jmx\orderservice.jmx
• 总结
  • 被压测程序
  • Http请求样本
  • Http Header 控制
  • 响应数据解析
  • 思考时间
  • 数据导入、传递和自定义
  • 断言
  • 测试报告

3、性能监控平台压测实战

• JMeter原生测试报告弊端：
  • 不具备实时性
  • 报告中的数据是测试时间段内的平均值
  • 长相丑陋
• 性能监控平台的优势
  • 实时展示JMeter压测数据
  • 数据范围可选
  • 长得好看
• JMeter性能监控平台组成
  • JMeter：压测数据，产生压测数据
  • InfluxDB：开源时序数据库，特别适合用于处理和分析资源监控数据，用于存储压测数据
  • Grafana：度量分析与可视化图标展示工具，可以支持不同种类的数据源，用于将存储与InfuxDB中的数据以图表的形式展示出来
• 部署方式：
  • docker部署
  • 下载对应docker镜像，启动container实例
  • 搭建监控环境，验证两个端口正常3000 8086
• 压测实施计划
  • 指定压测策略 不同的并发数10， 20， 50， 100， 200， 400， …
  • 单个并发数压测时常：1分钟
  • 记录结果
  • 期待测试结果
    • 验证能够支撑多大并发数，峰值数
    • 验证错误率，定义可接受范围，<=0.1% or <=0.5% or must=0%
      
  • Demo：运行压测，收集数据
  • 并发数设定：10，20，50，100，200，400， …
  • 分析合理最大并发数，使用合理最大并发数 ，进行长时压测验证结论
  • 注意事项：
    • 一个内网，降低网络因素影响
    • 如果高并发出错率偏高，可以降低并发数，以获取更合理的结果
    • 实际工作中，发压机与被压测应用需要运行在不同的机器上，分摊不同的资源
• 并发数设定原则：从小->大，先粗粒度，在细化，最后最优的并发数为 瓶颈值* 50% / 30%
• 应用系统的流量与并发数的对应关系
• 错误率与并发数的关系
• 系统合理能力的判断与验证

4、总结：

• JMeter压测脚本的创建，请求，数据获取，数据传递，验证 …
• JMeter性能监控平台，Influxdb、Grafana、Jmeter
• 性能监控平台搭建
• 性能测试的实施
• 合理最大并发数的判断
• 最大并发数验证