jmeter全链路压测 千次阅读

2019-04-19 16:13:00

11111111

转载于:https://www.cnblogs.com/Chamberlain/p/10736594.html

更多相关内容
Jmeter分布式压测方案
2021-12-15 17:54:26

本地电脑通过Jmeter图形化界面（GUI方式）控制本机及其他远程机器，以它们为压力机，对被测的服务器进行压力测试，并将压测的结果同步到Jmeter图形化界面中，进行分析。准备： 1、作为压力机的本地电脑和远程机器...

背景：
本地电脑通过Jmeter图形化界面（GUI方式）控制本机及其他远程机器，以它们为压力机，对被测的服务器进行压力测试，并将压测的结果同步到Jmeter图形化界面中，进行分析。
准备：
1、作为压力机的本地电脑和远程机器安装jdk、jmeter，版本要一致，并且配置好环境变量，配置完毕后，执行java -version和jmeter -v进行验证，如果返回了版本信息等内容，说明环境配置ok！
2、远程机器进入jmeter的bin目录下，打开jmeter.properties文件，remote_hosts和server_port保持默认不变即可。

修改下面参数为true，禁用掉。
server.rmi.ssl.disable=true
注意：如果有多台远程压力机，所有远程机器都重复上面的操作：jdk、jmeter、jmeter.properties文件，保持统一。
3、所有远程压力机器上分别执行 jmeter-server -Djava.rmi.server.hostname=压力机的ip地址（ifconfig中可查）
4、进入控制机的jmeter的bin目录下，打开jmeter.properties文件，remote_hosts配置所有远程压力机的ip+端口号，多个压力机之间用英文逗号隔开，如果把控制机也当成压力机使用，则将控制机也添加；server_port保持默认不变即可，保存后即可。

5、控制机（本地机器）上打开Jmeter图形化界面，编写压测脚本，点击菜单中的运行按钮即可看到远程机器清单，选择某个压力机即可在该机器上执行压测脚本，对被测服务器产生压力。

注意：如果把控制机也当成压力机执行脚本，则控制机上也要启动jmeter-server服务，否则会报错连接失败。

演示：设置100个线程，远程启动所有。

运行控制机和压力机的运行server日志如下：

聚合报告显示结果：每个请求执行了200次，上面设置的线程数100，意味着每台机器执行100次，在两台机器上执行，相当于每个请求执行了200次。从这里就可以看出这就是分布式的好处，高并发可以均匀的给每台机器设置一定的负载，加在一起就是总负载。

收起

展开全文

压力测试

高并发下jmeter性能压测及性能提升解决方案（十）防刷限流

2021-08-11 17:05:27

} } 限流原理与实现原则：流量远比你想得要多，系统活着比挂了要好，宁愿只让少数人能用，也不要让所有人不能用方案：1.限并发 2.令牌桶算法（限制TPS） 3.漏桶算法（平滑网络流量，以固定的速率提供网络服务，...

验证码生成与验证技术

包装秒杀令牌前置，需要验证码来错峰。

代码：

生成验证码

package com.miaoshaProject.util;

import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.awt.image.RenderedImage;
import java.io.FileOutputStream;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import java.util.Random;

/**
 * @author aric
 * @create 2021-08-11-17:05
 * @fun
 */
public class CodeUtil {
    private static int width = 90; //定义图片width
    private static int height = 20; //定义图片height
    private static int codeCount = 4; //定义图片上显示验证码的个数
    private static int xx = 15;
    private static int fontHeight = 18;
    private static int codeY = 16;
    private static char[] codeSequence={'A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q',
            'R','S','T','U','V','W','X','Y','Z','0','1','2','3','4','5','6','7','8','9'};

    /**
     * 生成一个map集合
     * code为生成的验证码
     * codePic为生成的验证码BufferedImage对象
     * @return
     */
    public static Map<String,Object> generateCodeAndPic(){
        //定义图片buffer
        BufferedImage buffImg = new BufferedImage(width, height, BufferedImage.TYPE_INT_RGB);
        //Graphics2D gd = buffImg.createGraphics();
        //Graphics2D gd = (Graphics2D)buffImg.getGraphics();
        Graphics gd = buffImg.getGraphics();
        //创建一个随机数生成器类
        Random random = new Random();
        //将图像填充为白色
        gd.setColor(Color.WHITE);
        gd.fillRect(0,0,width,height);
        //创建字体，字体的大小应该根据图片的高度来定
        Font font = new Font("Fixedsys",Font.BOLD,fontHeight);
        //设置字体
        gd.setFont(font);

        //画边框
        gd.setColor(Color.BLACK);
        gd.drawRect(0,0,width-1,height-1);

        //随机产生40条干扰线，使图像中的认证码不易被其他程序探测到
        gd.setColor(Color.BLACK);
        for (int i = 0; i < 30; i++) {
            int x = random.nextInt(width);
            int y = random.nextInt(height);
            int xl = random.nextInt(12);
            int yl = random.nextInt(12);
            gd.drawLine(x,y,x+xl,y+yl);
        }

        //randomCode用于保存随机产生的验证码，以便用户登录后进行验证
        StringBuffer randomCode = new StringBuffer();
        int red = 0,green = 0,blue = 0;

        //随机产生codeCount数字的验证码
        for (int i = 0; i < codeCount; i++) {
            //得到随机产生的验证码数字
            String code = String.valueOf(codeSequence[random.nextInt(36)]);
            //产生随机的颜色分量来构造颜色值，这样输出的每位数组的颜色值都将不同
            red = random.nextInt(255);
            green = random.nextInt(255);
            blue = random.nextInt(255);

            //用随机产生的颜色将验证码绘制到图像中
            gd.setColor(new Color(red,green,blue));
            gd.drawString(code,(i+1)*xx,codeY);

            //将产生的四个随机数组合在一起
            randomCode.append(code);
        }
        Map<String,Object> map = new HashMap<>();
        //存放验证码
        map.put("code",randomCode);
        //存放生成的验证码BufferedImage对象
        map.put("codePic",buffImg);
        return map;
    }

    public static void main(String[] args) throws IOException {
        //创建文件输出流对象
        FileOutputStream out = new FileOutputStream("/Desktop/javaworkspace/miaoshaStable/" + System.currentTimeMillis()+".jpg");
        Map<String, Object> map = CodeUtil.generateCodeAndPic();
        ImageIO.write((RenderedImage) map.get("codePic"),"jepg",out);  //画在页面上
        System.out.println(""+map.get("code"));
    }
}

controller层加入验证码验证：

package com.miaoshaProject.controller;

import com.miaoshaProject.error.BusinessException;
import com.miaoshaProject.error.EmBusinessError;
import com.miaoshaProject.mq.MqProducer;
import com.miaoshaProject.response.CommonReturnType;
import com.miaoshaProject.service.ItemService;
import com.miaoshaProject.service.OrderService;
import com.miaoshaProject.service.PromoService;
import com.miaoshaProject.service.model.UserModel;
import com.miaoshaProject.util.CodeUtil;
import org.apache.commons.lang3.StringUtils;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Controller;
import org.springframework.web.bind.annotation.*;

import javax.annotation.PostConstruct;
import javax.imageio.ImageIO;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import java.awt.image.RenderedImage;
import java.io.IOException;
import java.util.Map;
import java.util.concurrent.*;

/**
 * @author aric
 * @create 2021-07-02-18:41
 * @fun
 */
@Controller("order")
@RequestMapping("/user")
@CrossOrigin(origins = {"*"}, allowedHeaders = "true")
public class orderController extends BaseController {

    @Autowired
    private OrderService orderService;

    @Autowired
    private HttpServletRequest httpServletRequest;

    @Autowired
    private RedisTemplate redisTemplate;

    @Autowired
    private MqProducer mqProducer;

    @Autowired
    private ItemService itemService;

    @Autowired
    private PromoService promoService;

    private ExecutorService executorService;

    @PostConstruct
    public void init(){
        executorService = Executors.newFixedThreadPool(20);  //new出来一个线程池只有20个线程可工作赋给executorService
    }

    //生成验证码
    @RequestMapping(value = "/generateverifycode", method = {RequestMethod.GET,RequestMethod.POST})
    @ResponseBody
    public void generateverifycode(HttpServletResponse response) throws BusinessException, IOException {
        //获取用户的登录信息,之后替换从Redis读取
        String token = httpServletRequest.getParameterMap().get("token")[0];  //也可以从参数中获取
        if (StringUtils.isEmpty(token)) {
            throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登录,不能生成验证码");
        }
        //获取用户登录信息
        UserModel userModel = (UserModel) redisTemplate.opsForValue().get(token);
        if (userModel == null) {  //以过期
            throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登录,不能生成验证码");
        }
        Map<String, Object> map = CodeUtil.generateCodeAndPic();
        redisTemplate.opsForValue().set("verify_code_"+userModel.getId(),map.get("code"));  //将验证码和用户Id做绑定
        redisTemplate.expire("verify_code_"+userModel.getId(),5,TimeUnit.MINUTES);
        ImageIO.write((RenderedImage) map.get("codePic"),"jepg",response.getOutputStream());  //写到HttpServletResponse中返回给前端
    }

   //生成秒杀令牌
    @RequestMapping(value = "/generatetoken", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})
    @ResponseBody
    public CommonReturnType generatetoken(@RequestParam(name = "itemId") Integer itemId,
                                          @RequestParam(name = "promoId") Integer promoId,
                                          @RequestParam(name = "verifyCode")String verifyCode) throws BusinessException {
        //获取用户的登录信息,之后替换从Redis读取
        String token = httpServletRequest.getParameterMap().get("token")[0];  //也可以从参数中获取
        if (StringUtils.isEmpty(token)) {
            throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登录,不能下单");
        }
        //获取用户登录信息
        UserModel userModel = (UserModel) redisTemplate.opsForValue().get(token);
        if (userModel == null) {  //以过期
            throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登录,不能下单");
        }

        //通过verifycode验证验证码的有效性
        String redisVerifyCode = (String)redisTemplate.opsForValue().get("verify_code_" + userModel.getId());
        if(StringUtils.isEmpty(redisVerifyCode)){
            throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR,"请求非法");
        }
        if(!redisVerifyCode.equalsIgnoreCase(verifyCode)){
            throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR,"请求非法，验证码错误！");
        }

        //获取秒杀访问令牌
        String promoToken = promoService.generateSecondKillToken(promoId, itemId, userModel.getId());
        if (promoToken == null) {
            throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "生成令牌失败");
        }
        return CommonReturnType.create(promoToken);
    }

    //封装下单请求
    @RequestMapping(value = "/createorder", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})
    @ResponseBody
    public CommonReturnType createOrder(@RequestParam(name = "itemId") Integer itemId,
                                        @RequestParam(name = "promoId", required = false) Integer promoId,
                                        @RequestParam(name = "amount") Integer amount,
                                        @RequestParam(name = "promoToken") String promoToken) throws BusinessException {
        //获取用户的登录信息,之后替换从Redis读取
//        Boolean isLogin = (Boolean)httpServletRequest.getSession().getAttribute("IS_LOGIN");
        String token = httpServletRequest.getParameterMap().get("token")[0];  //也可以从参数中获取
        if (StringUtils.isEmpty(token)) {
            throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登录,不能下单");
        }
        //获取用户登录信息
        UserModel userModel = (UserModel) redisTemplate.opsForValue().get(token);
        if (userModel == null) {  //以过期
            throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登录,不能下单");
        }
        //校验秒杀令是否正确
        if (promoId != null) {
            String promoTokenInRedis = (String) redisTemplate.opsForValue().get("promo_token_" + promoId + "_userid_" + userModel.getId() + "_itemid_" + itemId);
            if (promoTokenInRedis == null) {
                throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "秒杀令牌校验失败");
            }
            if (!StringUtils.equals(promoToken, promoTokenInRedis)) {
                throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "秒杀令牌校验失败");
            }
        }

        //同步调用线程池的submit方法,new Callable的异步线程
        //拥塞窗口为20的等待队列，用来队列泄洪
        Future<Object> future = executorService.submit(new Callable<Object>() {
            @Override
            public Object call() throws Exception {
                //加入库存流水init状态
                String stockLogId = itemService.initStockLog(itemId, amount);

                //再去完成对应的下单事务型消息机制
                if (!mqProducer.transactionAsyncReduceStock(userModel.getId(), itemId, promoId, amount, stockLogId)) {
                    throw new BusinessException(EmBusinessError.UNKNOWN_ERROR, "下单失败");
                }
                return null;
            }
        });
        try {
            future.get();
        } catch (InterruptedException e) {
            throw new BusinessException(EmBusinessError.UNKNOWN_ERROR);
        } catch (ExecutionException e) {
            throw new BusinessException(EmBusinessError.UNKNOWN_ERROR);
        }
        return CommonReturnType.create(null);
    }
}

限流原理与实现

原则：流量远比你想得要多，系统活着比挂了要好，宁愿只让少数人能用，也不要让所有人不能用

方案：1.限并发 2.令牌桶算法（限制TPS） 3.漏桶算法（平滑网络流量，以固定的速率提供网络服务，无法应对突发流量）

令牌桶算法：

每秒钟只发放10（有几个客户端）个令牌，定时器每秒往桶内防10个令牌，对应的客户端1s可以10个对应的流量进去，下一秒就是下一个10个。这样就做到了限制流量在每一个接口都在10TPS内左右的性能。

漏桶算法：

一次只允许一滴水过去，满的时候会拒绝，不能应对突发情况。

限流力度：1.接口维度 2.总维度

接口维度：每个接口设置令牌桶算法

总维度：每个接口*总接口数的80%作为总维度一般

限流范围：1.集群限流 2.单机限流

集群限流：依赖redis或其他的中间件技术做统一计数器，往往会产生性能瓶颈

单机限流：负载均衡的前提下单机平均限流效果更好

代码：

/**
 * @author aric
 * @create 2021-07-02-18:41
 * @fun
 */
@Controller("order")
@RequestMapping("/user")
@CrossOrigin(origins = {"*"}, allowedHeaders = "true")
public class orderController extends BaseController {    

    private RateLimiter orderCreateRateLimiter;

    @PostConstruct
    public void init(){
        orderCreateRateLimiter = RateLimiter.create(300);  //初始化限流，单台机器1s钟过300个（取决每秒压测TPS数）
    }

    //封装下单请求
    @RequestMapping(value = "/createorder", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})
    @ResponseBody
    public CommonReturnType createOrder(@RequestParam(name = "itemId") Integer itemId,
                                        @RequestParam(name = "promoId", required = false) Integer promoId,
                                        @RequestParam(name = "amount") Integer amount,
                                        @RequestParam(name = "promoToken") String promoToken) throws BusinessException {
        if(orderCreateRateLimiter.tryAcquire()){  //底层实现类似于令牌桶算法，但是可以预支下一个时间的请求，比较超前
            throw new BusinessException(EmBusinessError.RATELIMIT);
        }
    }
}

防黄牛技术

防刷技术：排队，限流令牌均只能控制总流量，无法控制黄牛流量。

传统防刷：

1.限制一个会话（session_id，token）同一秒钟/分钟接口调用多少次。缺点：多会话介入绕开无效。

2.限制一个ip同一秒钟/分钟接口调用多少次。缺点：数量不好控制，容易误伤。

黄牛为什么难防：

1.模拟器作弊：模拟硬件设备，可修改设备信息

2.设备牧场作弊：工作室里一批移动设备

3.人工作弊：靠佣金吸引兼职人员刷单

设别指纹：

1.采集终端设备各项参数，启动应用时生成唯一设备指纹

2.根据对应设备指纹的参数猜测出模拟器等可疑设备概率。

3.根据设备指纹下发凭证

4.关键业务链路上带上凭证并由业务系统到凭证服务器上验证

5.凭证服务器根据对应凭证所等价的设备指纹参数并根据实时行为风控系统判定对应凭证的可疑度分数

6.若分数低于某个数值则由业务系统返回固定错误码，拉起前端验证码验身，验身成功后加入凭证服务器对应分数。

收起

展开全文

java

全链路压测方案梳理-转载
2021-11-15 16:53:23

全链路压测的概念挺火的，想做成却没有机会（毕竟不是互联网巨头类...有赞全链路压测实战全链路压测方案设计与实施详解全链路压测引擎的设计与实现京东全链路压测饿了么全链路压测滴滴全链路压测解决之道 ...

全链路压测的概念挺火的，想做成却没有机会（毕竟不是互联网巨头类的公司），所以在这里也不想纸上谈兵，可能过段时间它就会被更新更高大上的概念给替换了，但是我们可以收集一下相关资料（目前可以开展全链路压测的公司真的很少，所以资料有限），将来对自己的性能测试项目可能也会有帮助：

相关链接：

阿里全链路压测全链路压测3.0 智能全链路压测

有赞全链路压测实战全链路压测方案设计与实施详解全链路压测引擎的设计与实现

京东全链路压测

饿了么全链路压测

滴滴全链路压测解决之道

美团全链路压测自动化实践

全链路压测平台（Quake）在美团中的实践

逻辑思维在全链路压测方面的实践

全链路压测的大概思路

全链路压测定义
全链路压测平台主要有两个核心的也是最顶级的要求：

全业务
全链路
这导致了，必须线上搞压测，必须用线上的真实数据搞压测。
那么线上搞就容易搞出事情，所以技术含量还是要有的，还是很高的。

压测关键前提
1、业务模型梳理

首先应该明确的是：全链路压测针对的是现代越来越复杂的业务场景和全链路的系统依赖。所以首先应该将核心业务和非核心业务进行拆分，确认流量高峰针对的是哪些业务场景和模块，

针对性的进行扩容准备，而不是为了解决海量流量冲击而所有的系统服务集群扩容几十倍，这样会造成不必要的成本投入。

2、数据模型构建

数据构建和准备，应该考虑这几点问题：

①、数据的真实性和可用性

可以从线上环境（生产环境）完全移植一份当量的数据包，作为压测的基础数据，然后基于基础数据，通过分析历史数据增长趋势，预估当前可能的数据量；

据说美团的做法是：

http服务的，通过nginx日志把请求内容导出来，处理一下，放到数据库池子里。
rpc服务的，通过美团内部已有的rpc框架录制功能，把请求数据导出来，处理一下，放到数据库池子里。
然后压测流量从数据库池子里来。

②、数据脱敏

基于生产环境的全链路压测，必须考虑的一点是不能产生脏数据，以免对生产造成影响，影响用户体验等，因此在数据准备时需要进行数据脱敏。

③、数据隔离

同样，为了避免造成脏数据写入，可以考虑通过压测数据隔离处理（根据测试标识区分），落入影子库，mock对象等手段，来防止数据污染；另外比如http请求，可以直接将测试标识加在header里（不污染代码，仅测试引擎添加即可），这样可以把隔离出来的（带测试标识的）流量，只访问隔离出来的服务器，这样就不会污染整个线上服务器集群。

压测核心
全链路压测基本上和原生Jmeter没关系，因为Jmeter用的是BIO（基于Jmeter的云平台化，足够规模的分布式压测也是可选的一个方向），美团用的是NIO，阿里的PTS也用到NIO，好处不解释了。
采用的方式有：

使用一些脚本语言如：Python、Ruby 等，读取线上日志构建请求，用多线程模拟用户请求进行压测
类似Netty NIO 框架 + apache ab 组合模式
采用Twitter/iago、 Gatling、Grinder、Locust等开源压测工具
大厂都会自主研发压测平台，避开了开源工具的一些问题
压测监控
一般会采用 InfluxDB 来完成数据的聚合工作，所有聚合指标都是一行 SQL 搞定，非常快速。或基于开源二次开发的监控，比如CAT，Falcon，Skywalking等。

关于监控这块，美团的开源精神值得肯定（虽然内部的好东西未必能开源出来），而像饿了么监控系统 EMonitor 说是比CAT好，但目前为止也没见开源，阿里的云监控更别提了，天天推销让你花钱买服务。

什么公司要搞全链路压测
至少目前来看，得是有追求，有余力的公司吧。
阿里，滴滴，饿了么，云集微店，美团，这些公司有一个共性，都是支付场景比较高并发的公司，就是对钱非常敏感的公司。
支付场景，也就是支付相关的各个服务（订单，派送，入库出库等很多），相连密切，这样的场景比较复杂，还是高并发，自然对性能测试有高要求。
同时支付场景，是会改变库的数据的，这也要求线上测试必须做数据隔离，这也是全链路压测的核心。

什么阶段的公司搞全链路压测
微服务的架构。
需要架构组，得有Mtrace的这种微服务RPC消息跟踪体系架构，能改中间件。
各部门能配合全链路压测调试及部署，运维的机器资源部署。
简单性能测试要通过，即单点的性能测试要没问题。
有更高的技术追求。
什么时间搞全链路压测
压力小的白天就行，要错过高峰期，这也是得益于数据隔离，服务器隔离。
压力大的一般凌晨进行，要错过高峰期。
谁来搞
肯定不是测试，也不是一般的性能测试工程师和测试开发工程师，基本上是一个研发团队在搞。

据说美团的压测平台前身也是测试开发工程师搞的，推广的也不错，在美团趟出了一条压测的路，但是存在了不少有待改进的地方。后来种种原因，平台移交给了开发团队，现在看起来，平台的压测性能、可用性等各方面有了很大的提升。不是说测试开发的同学做不了，而是效率和速度确实还是有差距的。开发同学的效率和速度就是特别大的优势，能加班，可以快速的让产品成型并且快速迭代。

以上内容部分参考自 https://testerhome.com/topics/16498

原文链接：https://blog.csdn.net/smooth00/article/details/91373705

收起

展开全文

压力测试 java 运维
jmeter压测指南
2019-05-06 17:35:12

jmeter性能测试指南，采用Jmeter工具，该文档为阿里巴巴全链路性能测试工具方案

收起

性能测试
全链路压测及阿里全链路压测详解
2021-06-15 23:22:49

我们并不能简单通过一些充满大量经验值的公式去推算，这样的结果和拍脑袋也没啥太大差异，再加上线下环境大多以分链路，模块压测为主，所以全链路压测在这样的背景下就诞生了，我们的前提是在线下已经模块压测完成，...

收起

压力测试
全网最新最全的jmeter压测话不多说，只想尽快教会你用Jmeter编写脚本压测
千次阅读 2021-12-14 20:14:04

这次选用的jmeter压测工具，压测思路如图：二.日志入参日志选取的adsearch的getads部分思路：rd线上获取该部分入参下载到本地，我们读取该部分生成入参对象。(这个套路用到很多工具上，比较省事不用拼...

收起

压力测试 postman 单元测试测试工具
jmeter 压测
2020-10-16 18:34:32

jmeter https://www.cnblogs.com/TankXiao/p/4059378.html

收起
全链路压测方案梳理
千次阅读 2019-06-10 15:13:43

全链路压测的概念挺火的，想做成却没有机会（毕竟不是互联网巨头类的公司），所以在这里也不想纸上谈兵，可能过段时间它就会被更新更高大上的概念给替换了，但是我们可以收集一下相关资料（目前可以开展全链路压测的...

收起

性能测试
大型互联网产品的全链路压测
2022-05-08 22:50:12

全链路压测是基于真实的生产环境来模拟海量的并发用户请求和数据，对整个业务链路进行压力测试，试图找到所有潜在性能瓶颈并持续优化。全链路压测技术难点： *海量并发请求的发起 *全链路压测流量和数据的隔离 *...

收起

压力测试
性能测试利器工具来了，生产环境全链路压测工具
2022-03-13 16:08:21

国内知名的系统高可用专家数列科技宣布开源旗下核心产品能力，对外开放生产全链路压测平台产品的源代码，并正式命名为Takin。目前顺丰科技、希音、中通快递、中国移动、永辉超市、爱库存、浙江大学等50+行业头部...

收起

Takin 性能测试软件测试压力测试
性能测试能力提升最终篇-全链路压测
2022-05-28 10:12:45

目录一、背景二、什么时候开始考虑做全链路压测？三、全链路压测方法3.1 梳理核心链路的流程和边界3.2 提供底层支持3.3 全链路的压测数据mock3.4 做好压测流量的降级预案3.5 梳理监控体系3.6 线下做好预演3.7 尽量...

收起

性能优化压力测试软件测试
分布式系统全链路压测方法
2021-10-14 15:56:08

继上一篇JMeter的基本使用介绍（使用Apache JMeter做压力测试），本文介绍如何做SpringCloud分布式系统的全链路压测。测试策略如上图，基本思路是基于月活跃用户确定执行的并发数，然后用工具模拟压力输出报告...

收起

java 压力测试分布式
字节跳动全链路压测(Rhino)的实践
2021-01-07 11:19:12

解决方案 2.1 业内实践全链路压测在业内已经有了广泛的实践，如阿里的 Amazon、PTS[1][2]，美团的 Quake[3][4]，京东的的 ForceBOT[5]，高德的 TestPG[6]等等，都为我们提供丰富的实践经验，和大量优秀的技术方案...

收起
skywalking源码分析第二十三篇一扩展篇:全链路压测
2022-03-10 22:12:35

文章目录前言原理前言全链路压测时一项系统性工程,包含数据工厂,影子环境,压测脚本,数据偏移,压测平台,链路路由等等原理

收起

java
全链路压测
2019-06-29 11:41:33

一、什么是全链路压测 基于实际的生产业务场景、系统环境，模拟海量的用户请求和数据对整个业务链进行压力测试，并持续调优的过程。二、全链路压测解决什么问题针对业务场景越发复杂化、海量数据冲击下整个...

收起

压力测试并发测试性能测试
微服务：全链路压测和容量规划
千次阅读 2019-08-25 18:16:44

什么是全链路压测? 基于实际的生产业务场景、系统环境，模拟海量的用户请求和数据对整个业务链进行压力测试，并持续调优的过程主要特征：真实流量线上环境实时监控和过载保护全链路压测组成单链路指...

收起

微服务容量规划影子表
Software Performance Testing - 全链路压测知识点整理
千次阅读 2020-08-07 18:05:45

什么是全链路压测 基于实际的生产业务场景、系统环境（生产环境），模拟海量的用户请求和数据对整个业务链（通常是核心业务链）进行压力测试，并持续调优的过程。为什么要做全链路压测 原因在于真实的业务场景下...

收起
全链路压测核心技术解析
2022-04-14 10:05:02

全链路压测理论学习了解

收起

压力测试性能优化
电商网站全链路压测实战
2020-07-15 15:52:51

1.背景在电商及互联网应用时代，用户和流量已成为应用核心竞争力，而随着数字化营销逐渐走进各个领域，线上的秒杀抢购、热点营销等活动也成为企业的必备营销手段，营销带来的大规模流量... 使用门槛：Jmeter的学习

收起
中通全链路压测探索与实践
2021-11-03 11:02:41

以下就线上和线下压测的不足分析，谈谈中通是如何一步步改进压测方案并解决问题。在线下压测试过程中，为了减少与真实环境物理资源上的差异，公司采取的是针对CPU与内存进行等比缩放的策略，如果是计算密集型...

收起

java 开发语言后端
06百万架构师核心技术设计实践——灰度发布与全链路压测
千次阅读 2022-01-18 19:57:10

全链路压测方案核心技术： 4.1压测标识的穿透：对于跨线程的透传：java应用使用ThreadLocal对象，ThreadLoad会为每个线程创建一个副本，用来保存线程自身的副本变量；利用InheritableThreadLocal的特性，对于父线程...

收起

压力测试运维
高德全链路压测平台TestPG的架构与实践
千次阅读 2019-08-20 10:06:51

高德的全链路压测流量的要求远远不及淘宝的全链路压测，并且通常全链路压测的周期都不会太长（通常在2周左右，这个时间还需要缩减），所以我们比较关注压测成本的问题，例如压测数据的构造成本，压测资源申请的成本...

收起
性能测试的价值、全链路压测了解
千次阅读 2020-03-25 16:39:14

一、有价值的性能测试需要满足什么 1. 性能测试与性能分析要有明确的数据证明调优的效果。性能测试人员／团队要有能力给运维一...三、什么是全链路压测 基于实际的生产业务场景、系统环境，模拟海量的用户请求和...

收起
干货 | 应用性能提升 70%，探究 mPaaS 全链路压测的实现原理和实施路径
2021-08-31 14:07:52

简介：全链路压测方案下，非加密场景下至少有 70% 的性能提升，加密场景下 10%的性能提升，并在 MGS 扩容完成后可实现大幅的性能提升，调优的结果远超预期。业务背景随着移动开发行业的步入存量时代，App 整体架构的...

收起

缓存
系统稳定性保障核武器——全链路压测
千次阅读 2019-09-12 01:11:47

摘要：阿里巴巴双11备战期间，保障系统稳定性最大的难题在于容量规划，而容量...在首届阿里巴巴中间件技术峰会，阿里巴巴中间件高级技术专家张军为听众详细讲解了系统稳定性保障的核武器——全链路压测。为什么要...

收起

Jmeter分布式压测方案

高并发下jmeter性能压测及性能提升解决方案（十）防刷限流

验证码生成与验证技术

限流原理与实现

方案：1.限并发 2.令牌桶算法（限制TPS） 3.漏桶算法（平滑网络流量，以固定的速率提供网络服务，无法应对突发流量）

令牌桶算法：

漏桶算法：

限流力度：1.接口维度 2.总维度

限流范围：1.集群限流 2.单机限流

防黄牛技术

全链路压测方案梳理-转载

jmeter压测指南

全链路压测及阿里全链路压测详解

全网最新最全的jmeter压测话不多说，只想尽快教会你用Jmeter编写脚本压测

jmeter 压测

全链路压测方案梳理

大型互联网产品的全链路压测

性能测试利器工具来了，生产环境全链路压测工具

性能测试能力提升最终篇-全链路压测

分布式系统全链路压测方法

字节跳动全链路压测(Rhino)的实践

skywalking源码分析第二十三篇一扩展篇:全链路压测

全链路压测

微服务：全链路压测和容量规划

Software Performance Testing - 全链路压测知识点整理

全链路压测核心技术解析

电商网站全链路压测实战

中通全链路压测探索与实践

06百万架构师核心技术设计实践——灰度发布与全链路压测

高德全链路压测平台TestPG的架构与实践

性能测试的价值、全链路压测了解

干货 | 应用性能提升 70%，探究 mPaaS 全链路压测的实现原理和实施路径

系统稳定性保障核武器——全链路压测

jmeter链路压测方案