性能场景之稳定性场景方案设计

前言

今天想说说稳定性场景设计。

经常在一些场合被问到性能场景的设计问题，但是大部分都是和容量相关的。

为什么稳定性问的人少呢？稳定性是不是说在容量场景做好了之后就水到渠成了呢？

首先稳定性场景的设计应该说比容量场景设计要简单一点。

毕竟容量如果测试结果非常好的话，稳定性场景只要有一时间变长的动作就可以了。

但是不要小看这个时间变长的动作，它会让你要准备和思考的内容多出不少。

下面来庖丁解牛地细化一下。

数据的增加

数据的增加有两个方面。

1. 参数化数据；
2. 基础数据。

先说下参数化数据：

拿一个 100 TPS 和稳定性场景来说，假设业务数据不能复用，如果只测试 30 分钟。需要的数据是：

$$100*30*60=180000$$

也就是 18 万的参数化数据。

如果要跑 12 个小时呢？就是：

$$100*12*60*60=4320000$$

也就是 432 万条数据。

有人说了，我要跑 7*24 。嗯，很好，那就需要 60480000。6 千多万。慢慢准备吧。

如果这些数据是做 insert 的动作呢，可想而知，对表结构的要求就会多出很多，索引的创建的合理性就非常重要了。

举个例子。同样的一个 SQL，在查找基数为 5537362 的表，都是查一条数据出来。如果是从 9 万多条的索引命中的数据中找的话，需要 0.219 s，而在索引命中 100 多条数据中找的话，只需要 0.016 s。

这是 14 倍的差距。

监控的考验

如果是自己写监控脚本，稳定性场景中数据量的处理那是非常耗时的。所以在稳定性场景中，基本上不会像容量场景中那样设计监控粒度。

粒度的扩大导致的另一个问题是毛刺看不到。

一般容量场景中使用 1~3s 的监控采样粒度，1s 对系统监控还是会消耗些资源。3s 不会有太大的影响。

但是对稳定性来说，3s 都有点短了。可以设置 5~10s 的监控粒度。5-10 的跨度是不是有些大呢？这个取决于系统的稳定程度，对不稳定的 TPS 曲线，可以设置为 5s，对稳定的 TPS 曲线，10s 我觉得是够了的。

监控工具也要选择好，尽量不要用手工生成数据和曲线的工具，费时费力又容易出错。

用自动生成图表的工具比较理智，并且要用可以持续保存数据的。像 Prometheus 类型的工具。

先要设置好监控的计数器。从 OS 层开始，到应用层，到 Jvm 层，到数据库层。

OS 层一定要有 CPU、Memory、IO、Network 这几个是基本的，如果是 C/C++ 的应用，还要有 Process 层的监控。

在场景结束时如果发现还有需要的数据没取到，那就悲催了，还要再来一遍。

对压力工具的选择

一般情况下选择压力工具要注意压力工具本身的稳定性。像 Loadrunner/Jmeter 之类的工具已经被普遍接受了，没有什么问题。

但是 Jmeter ，本地的 jvm 也是需要关注的。

尽量不要用压力工具取监控的数据，这种做法会让结果整理比较费力。

场景的时长确定

这应该是稳定性场景中最关键的一个点了。

我看到有不少设计稳定性的时候没有计算过，只是凭感觉。

那怎么设计这个时长？

我们可以做一个计算，这个计算有一个前提条件。就是系统在运维的过程中需要稳定运行多长时间。

假设在运维中是要三个月做一次正常的维护动作，在这个动作中包括了对一些资源的归档、系统的重启等。

那下一步要计算的就是系统三个月内的业务总量。

我们来做一个假设场景：

一个系统一天业务量是 100 万笔。稳定运行要求 三个月。那总的业务量就是 100万330=9000万。假设系统最大 TPS 是 2000。

这时候要设计的稳定性场景时长就是：

$$（9000万/2000 TPS ）*3600=12.5h。$$

比如说下面两个场景。

下面的图是混合容量场景，看到 TPS 是能加到 5000 左右，但是在 3000 以上的时候就出现了TPS 有下降情况（因为这个文章不是为了分析性能，所以不做下降原因详解）。

根据这个系统的业务需求，稳定运行时间是三个月。线上均值 TPS 是 329。

那业务量在三个月就是：

$$329*3*30*24*3600=2558304000 笔业务。$$

稳定性场景用 80%*最大TPS 的压力做的话（这里的稳定性场景的 TPS 可以灵活设置，不一定都是 80%*最大TPS），就是 4000 TPS 左右。

来计算一下：

$$2558304000/4000/3600/24=7.4天$$

这样时长就确定下来了。

小结

对于稳定性还有其他的一些区别，都是要一一细化的，这里就不接着写了。毕竟文章太长看得人也累。