共计 3761 个字符，预计需要花费 10 分钟才能阅读完成。
简介：一般来说，保障执行性能压测的环境和生产环境高度一致是执行一次无效性能压测的首要准则。有时候，即使是压测环境和生产环境有很轻微的差异，都有可能导致整个压测流动评测进去的后果不精确。
- 性能环境要思考的因素
==============
1.1 零碎逻辑架构
零碎逻辑架构，即组成零碎的组建，利用之间的构造，交互关系的形象。最简略最根本的就是三层架构。
三层逻辑结构图
- 客户层：用户申请端。
- web 层：解决客户端所有的业务申请逻辑和服务端数据。
- 数据库层：保护业务零碎的数据。
更简单的逻辑构造阐明：
- 逻辑架构中的任意一层，有可能是在独立的物理集群机器上，也有可能跨多个物理机器或者跟其余逻辑层共享同一个物理集群。
- 逻辑架构间的箭头是数据流，不是物理网络连接。
1.2 物理架构
下图为物理架构图。
1.3 硬件、软件和网络
- 软件：环境中波及到哪里根底软件、中间件。
- 硬件：实体机 / 虚拟机，单机配置(CPU、内存、硬盘大小)，集群规模。
- 网络：内网还是外网，网络带宽，是否有跨网段问题，是否隔离。
软件中对系统应用到的中间件有一个理解，不仅能够帮忙设计更仿真的压测环境，也有助于在压测过程中，放慢瓶颈，问题的定位和解决。
- 不同性能压测环境优缺点比照
=================
2.1 比照表格
不论哪种压测环境计划，在落地老本，满足需要水平上都有区别，接下来对几种压测环境联合在阿里的利用进行介绍。
- 低配生产环境子集 - 研发阶段性能瓶颈发现
=======================
既然是低配环境，压出来的数据仿佛齐全不能用作生产环境运行的参考，但实际上，这种环境下的压测，也是十分重要的一环。次要体现在我的项目研发阶段的价值上。
3.1 价值
- 新利用上线前，利用代码自身的瓶颈发现。代码自身的性能问题，例如连贯未开释，线程数过多，通过低配的环境，肯定时长的压测齐全能够提前发现很多。
- 利用维度基线数据。跑进去的数据不能给线上做参考，然而如果每次迭代，公布前，都在同一套低配环境运行性能压测，跟低配基线数据进行比照，也能起到掂量零碎迭代的时候，性能是否有晋升或者降落的参考。
- 帮忙研发进行疾速的性能调优。零碎越简单的时候，产生性能问题后定位的难度会指数减少。进行过性能调优的研发都有领会，有时候调优，就是改一个配置，而后重新部署，跑压测，看后果是不是改善了，直到找到最佳的配置。这个过程如果不能轻量起来，对于研发调优就是噩梦。
3.2 问题
构建低配环境, 能够是一般的测试环境，跟线上齐全隔离。然而要解决以下问题：
- 压测会影响测试环境的功能测试。这一点很容易了解。压力大了，可能影响同一套测试环境的功能测试后果，所以性能压测环境最好独立。
- 依赖的根底利用在性能测试中没有。例如要压测的指标业务是发贴，必定会依赖到用户相干的业务，用户核心就是一个根底利用(当然很多小型公司可能没独立这块业务)。
- 研发阶段无奈疾速部署要压的分支。有一点规模的互联网公司，一周的迭代，同一个利用可能会有多个分支，须要反对疾速部署指定的分支到性能环境。
3.3 计划
阿里外部有一套残缺的零碎用于撑持阿里外部每日成千上万的研发阶段的性能压测需要。
- 同配生产环境子集 - 容量布局
=================
4.1 挑战
- 容量布局是一个继续的过程，如何缩小人力投入，如何能力“无人值守”。
- 老本和成果均衡：尽量贴近线上运行环境，同时容量布局的数据对线上容量安排有很好的指导作用。
- 齐全独立不影响线上。
- 随时可运行，后果可跟踪。
4.2 问题
容量布局不是间接在生产环境进行的，因为生产环境的最终容量配比，是参考自容量布局产出的数据。在生产环境进行的压测，是最初的验收阶段，在容量布局实现之后。
提供一套独立的的生产环境子集 - 隔离环境，用于容量布局要解决的问题：
- 构建的环境集如何定义，规模和架构如何贴近线上。
- 流量如何走到隔离环境。
- 隔离环境写的数据是否须要清理，如何清理?
4.3 计划
阿里容量布局的技术演进，可参考文后材料理解详情 [1]
当初隔离环境就是最新容量布局生态中的重要根底。隔离环境的反对，能力撑持常态化的容量布局运行，继续一直的改良。
- 首先，提炼机器比例。基于线上外围利用的现有规模状况, 提炼出一个放大版的齐全模型。即线上机器之间的比可能是 5000:2000:1000，整体比例缩放 100 倍，在隔离环境的机器比是 50:20:10。应用这种形式，无效的保障了同线上机器同比例，同时老本上做了很好的管制。
- 其次，确定隔离指标流量。依据接下来线上的指标流量大小，同比例计算出隔离环境应该撑持的流量，作为隔离环境打压测流量时的指标流量。
- 而后，通过压测流量从小到指标流量摸索，边压边弹。
- 最初，收集隔离环境达到目标流量后，新的机器比例及数据。利用间的比例关系很可能曾经有了扭转，有的利用可能缩容，有的利用可能扩容，作为线上机器关系的参考。
当然这外面的波及的技术细节还有很多：
- 全链路压测新利用：整个压测流量其实是沿用了线上压测的全链路压测机制，带流量标，数据落影子库的形式, 所以隔离环境写的数据不须要非凡的解决。
- 环境标隔离环境：流量同时会带上一个“环境标”，通过环境标的辨认，接入层会把流量导到隔离环境，从而做到流量的环境隔离。
- PTS 独创 ”RPS” 模式施压：在零碎整体的流量数据获取上，咱们摒弃了始终依赖备受追捧的 ” 并发量 ” 的形式。家喻户晓，业务提出来的指标个别会是，” 心愿峰值反对 xxxx 个用户登陆 ” 这种，进行容量布局的时候须要将并发的用户数跟零碎能接受的 QPS，进行一个映射关系。咱们容量布局就间接应用阿里云压测平台 (PTS) 的 ”RPS” 模式，压出来拿到的 QPS 数据，间接是零碎维度的数据，不必转换，这样也更缩小了转换过程中的失真。
- 边压边弹技术：在隔离环境压测中，何时弹新机器，弹多少机器，整个过程如何管制，这外面蕴含了一整套残缺精细的算法。整个过程示意图如下。
- 生产环境复制版 - 云时代的劣势
==================
5.1 挑战
生产环境复制版面临的挑战十分多：
其中，如果要对生产环境进行齐全的复制，将要面临以下挑战：
- 复制生产环境服务器的架构
- 复制生产环境网络根底环境
- 复制生产环境的所有利用分层
- 网络带宽
- 数据库以及所有的根底数据集
- 负载平衡
……
5.2 问题
对于传统时代的压测工程师来说，这样一系列的操作，就是新搭建一套“影子零碎”了，看起来有点像不可能实现的工作。要实现上述工作，压测工程师面临微小的挑战：
- 沟通协调简直所有的技术部门(开发、运维、网络、IT…);
- 如果即用即销毁, 那么劳民损财只用个一两次, 老本太大;
- 如果继续保护，那么保护老本显然同样不可疏忽;
所以咱们很少看到有公司进行这样的“生产环境复制”操作。小型公司可能没那么多人力实现，大中型公司，老本就更加难以承受了。然而当初云化趋势的潮流中，这种计划开始体现出优其越性了。
5.3 计划
咱们先看一下阿里云的产品架构图。
产品服务十分丰盛，然而不太利于咱们了解和复制线上环境用于压测这个主题。具体到某一个场景的零碎在阿里云的落地：
网友的云产品架构总结，可参考文后材料理解详情[2]
搭建一个云上利用的最小集应该须要用到：
- SLB- 用来负载平衡；
- ECS- 用来部署业务利用；
- RDS- 用来存储业务数据；
如果要在阿里云上复制以上线上零碎。
step1 购买跟线上集群同规模同配置的 ECS，部署利用;
step2 复制线上 RDS；
step3 SLB 配置新入口，指向复制环境;
step4 开始线上压测;
在阿里云进行生产环境复制有以下劣势：
- 操作便捷。可视化界面，零碎所须要的组建配置装置即可。插播一下，阿里云上的压测服务 PTS 未来有机会提供一键搭建和销毁性能环境的性能，彻底解放压测工程师。
- 架构信息清晰。阿里云上有“架构感知”的性能，能够直观绘制除业务零碎在阿里云上的整体架构，精确直观，压测工程师不必再花很长的工夫梳理零碎的架构，还面临可能不精确的问题;
- 即用即毁, 大大节约老本。复制一套线上环境，如果是足够简单的零碎，应用的组建多，流量大，老本问题必定要思考。传统时代搭建的老本自身就高，持续保护和再搭建的老本同样也高。然而云时代，就是点几个按钮搭建，点几个按钮销毁的过程，按使用量付费，验证完就开释，对于资源老本的节约可控性很好。
- 机器配比依据状况可自在调控：在阿里云上显然也能够快捷进行低配、同配生产环境子集复制, 绝对于非云化的零碎同样有显著的劣势。
- 生产环境 - 陈词滥调
=============
阿里的全链路压测技术曾经是很成熟，并且失去很宽泛的推广的线上压测技术。互联网大大小小的公司均有落地，在此只概括为一个模型图，想晓得更多细节内容的，读者能够网上收集以下，有大量的文章具体论述了各自落地施行的过程。
以下是阿里经典的全链路压测模型图。
通过多年的倒退，由全链路压测系统演进出可对阿里以外的企业提供跨行业的通用的性能压测服务的零碎 PTS。目前 PTS 也提供流量隔离解决方案给内部企业应用。
- 总结
======
- 仿真的性能压测环境，是执行无效性能压测的前提。
- 不同的压测环境都有不同的利用场景，企业应依据本身状况进行抉择。
- 规模中小的公司独立搭建一套隔离的压测环境老本昂扬，可维护性差。
- 云时代的性能压测，阿里云上的 PTS 给高效压测带来更大的可能性。
作者：SRE 团队技术小编 - 小凌
原文链接
本文为阿里云原创内容，未经容许不得转载
