几个比较经典的实践：  1、微服务业务无状态化处理，借助华云CCE扩容微服务实例，提升平台的设备接入能力以及并发处理能力；  2、使用华为云KAFKA作为微服务间数据总线，微服务通过异步流程处理业务，减少因业务响应时延过大，导致微服务线程占用时长过长，降低业务处理效率的风险，同时可以快速先响应，再处理数据，处理结果可以通过异步查询，或者结果订阅的方式获取；  3、通过REDIS缓存依赖数据，避免多实例高频调用依赖服务接口做数据查询，减少数据查询开销和微服务性能负担； 其中在降低染色数据对性能影响的实践有：不过度采集数据，只对核心的、异步的流程进行数据采集；发现某业务SLA不达标，则对此业务进行染色，协助问题分析；性能场景下，不采集消息体内容，只对数据进行统计，如微服务1秒内收到10个请求，那就只上报10这个统计值，而不上报10个消息体

故障影响的范围，比如指微服务实例所在的一个虚拟机、容器、AZ、REGION等等

IOT可以按用户数据存储需求，把数据转发至DIS、GEMINIDB、KAFKA、OBS等多种存储介质

建议一倍规格下50%左右，过高无冗余，过低有浪费

测试使用染色，是为了准确采集最关心的业务流程的端到端SLA，避免噪音数据过多，数据分析工作量过大；在性能测试情况下，我们的实践是对染色数据进行统计，上报到测试服务的也是统计值，比如收到100条消息，那么上报的是100这个数字，本身不会有太大开销。日志本身不会因为有染色还是没有染色而决定打不打，只会在打日志的同时，把染色ID写到原有日志中，整体带来的性能的额外开销在5%左右，但带来了高效的性能SLA评估和提升定位效率的好处。 数据采集平台是采用了分布式系统，确保有足够的性能可以处理AGENT上报的染色数据。一般通过数据建模生成的测试报告是永久保存的，过程数据保存1个月。

问题一：测试数据归属于内部研发数据，不会直接对外呈现，可以通过权限控制访问人员； 问题二：测试工具容器化的好处在于，可以就近被测系统进行部署，最大的减少网络影响； 问题三：工程能力的目标就是全面、快速地评估产品，采集数据、分析数据、反馈结果，是工程能力的核心； 问题四：华为云的CCE可以支撑测试工具服务化部署，华为云DDS可以存放测试过程数据； 问题五：测试前先与产品经理确认端到端SLA目标，确定后，就要构建相关SLA的采集手段了，建议也构建性能优化数据的采集，这样可以提升性能优化的准确性与效率。

问题1：性能、可靠性复用功能的自动化脚本，这是一个比较省人力的实践，但这比较考验测试架构师的能力，华为测试团队也有比较强的研发能力，现在也以服务的方式在华为云上提供使用，请参考https://support.huaweicloud.com/cloudtest/index.html； 问题2：测试服务化的目标是可以对外提供接口触发测试执行与结果反馈，方便集成到流水线上，配合研发活动快速给出评估结果；测试服务也是一个产品，也需要有测试活动看护，确保运行稳定；推荐通过灰度发布的方式提供新特性，如果新特性有问题，可以快速回退，不影响日常的测试工作； 问题3：性能测试采用分层看护的方式：一、性能调优，重点关注性能目标的达成，主要在产品初期及有重大特性合入时，通过手工测试，自动采集数据的方式开展；二、完成性能调优后，使用性能数据建模的方式，采集指标、建立基线，自动例行看护指标有没有劣化。此活动可通过综合话务模型和单业务性能两个活动例行看护； 可靠性方面：先构建故障模式库，规划测试场景，再通过模式库与测试对象正交，生成全量可靠性用例，对产品进行全面评估；然后挑选出高风险模式，高频测试，低风险模式，可以低频，如月度，测试； 指标主要是是业务SLA、资源占用两大维度； 问题4：规划好测试岗位，如测试经理、TSE、TE、田主等岗位，把测试各种活动划分到不同岗位，确保大家都有明确的工作范围和目标； 问题5：效率的核心还是工程能力，不能过度依赖人员能力，工程能力决定了团队的效率的底线，人员能力决定的是队团的上限，测试人员一定要有开发能力和规划能力，不然只会被牵着鼻子走，成为打下手的角色。 问题6：最主要还是通过数据监控被测系统，拿到越多数据，就可以对被测系统评估得越充份，通过切面技术，对微服务进行方法级的数据获取，是一个非常好的思路，建议可以了解一下切面技术，通过这个点，来拓展数据获取思路； 问题7：软件的未来都离不开AI，测试也一样，但要训练好AI，先要构建好的训练数据，可以通过这个思路，先把日常的数据规范化； 问题8：测试人员要懂代码，能写代码，当你了解产品是怎么写出来的，就会有更好的思路对其进行验证了； 问题9：集成测试的前提是做好各团队的测试分层，从整解决方案层面整理好完整的验证范围，与其他团队做好分层分工，避免遗漏与扯皮； 问题10：测试策略、测试设计、测试执行、问题单等完整测试活动相互之间都要能够关联，这样不会各自为政，规划的策略与设计，都可以得到准确的落实。

问题一：要让组织尝到测试带来的甜头，测试把产品数据化呈现，并且可以高效地数据化呈现，就是这个甜头，围绕着这个目标，组织测试团队构思使用什么数据呈现产品质量，就是文化的一个重要牵引方向； 问题二：AI和大数据的基础是数据，测试想拥抱这些新技术，就要做好数据的准备，规划哪些数据、如何把数据规范化，是短期内测试要迎接新技术的一个重要工作，没数据或差数据，都会把AI训练偏； 问题三：我们的实践是先用功能自动化模似不同的设备类型，再把功能脚本通过多线程并发的方式，模拟每种设计都上量，从而达到海量模拟； 问题四：测试使用染色，是为了准确采集最关心的业务流程的端到端SLA，避免噪音数据过多，数据分析工作量过大； 问题5：IOT支持的接入协议可参考文档：https://support.huaweicloud.com/usermanual-iothub/iot_01_01271.html 设备鉴权可参考文档：https://support.huaweicloud.com/usermanual-iothub/iot_01_0019.html

把性能采集到的数据，建模成测试报告格式，通过对报告中各个指标做基线，测试数据与基线比对，就可以实现自动化；如果加了新指令，需要判断涉不涉及性能，只有涉及性能的，才需要加入到测试脚本中。加入到脚本后，需要修改性能基线。

不是全部数据都缓存，需要支撑核心业务的数据会进行缓存，如租户的鉴权数据，不需要每次业务都去查鉴权数据，可以缓存到REDIS中，每10分钟去更新一次就可以了。如果REDIS故障了，可以把这个数据缓存到MONGO中。REDIS和MONGO互替是一种BYPASS思路，需要结合微服务支撑业务的实践，做一定的设计，而不是全量数据同步。