大家好，我是李哥。
进阿里以来一直听说一句话：“没有经过双11峰值验证过的技术都是玩具”。虽然有些夸张，但是不可否认的是，一年一度的双11，是技术最好的孵化器，也是技术同学最向往的阅兵场。
上篇我们以全局的视角聊完了大促：《面试官：如果你是大促技术负责人》。
接下来我们便开始展开技术细节。
今天主要聊一聊：压测。
全链路压测是以全链路业务模型为基础，将前端系统、后端应用、中间适配层、DB等整个系统环境，完整得纳入到压测范围中，以http请求为载体，模拟真实的用户行为，在线上构造出真实的超大规模的访问流量，以全链路压测模型施压，直至达到目标峰值，在压测过程中发现系统瓶颈和验证系统能力。
全链路压测（Loadcenter）为企业提供涵盖性能压测、压测报告输出以及压测风险防控的一站式压测服务。结合公司多年的线上全链路压测经验，历经几代产品打磨，为您提供高仿真、低成本、高风险识别的在线压测体验。
全链路压测支持模板化和自定义两种脚本模式，为您提供灵活、开放的脚本框架，满足不同复杂度的压测需求。另外，该产品还具备自动化压测报告输出、性能基线分析、压测风险防控等业界领先的压测技术能力。
使用全链路压测能够帮助您发现业务系统的性能问题，为企业的系统性能评估、容量规划、性能基线跟踪等提供有力的平台支撑。
1、了解你的系统
2、保护你的系统，优化你的系统，保护下游系统
在《了解你的系统》后，你发现你的系统到处都是问题，比如：
一般由：
一般有：
这部分有点东西，请让我们倒一杯咖啡，慢慢聊。
全链路压测的整体流程包含系统改造、数据迁移、模型构建和施压四个核心部分。
系统改造的目的是：让压测流量可以畅通无阻地走通整条链路。
（1）中间件升级到支持压测标传递的版本，当前版本已都支持压测标传递；
（2）部分安全逻辑绕过，压测过程中URL会重复执行多次，针对csrf校验等操作，对压测流量绕过
（3）异步线程切换导致的丢标改造，异步线程切换时，上下文会丢掉，压测标也会随着上下文的丢失而丢失，因此需要在多线程切换中，将线程的上下文拷贝过去，保持压测标传递下去
（4）影子表构建，在DB的库表同步中执行影子表同步即可
数据迁移是为了将数据从线上表迁移到影子表中，一般首先迁移的是基础数据及其关联信息，比如用户数据，交易数据等，交易中是买家、卖家、商品这三者以及三者的关联，具体迁移分为三步：
（1）数据迁移：将数据从线上表中读出，写入到影子表中
（2）数据关联：被迁移数据，将其表中各个字段数据关联的其它表中的数据也要同步迁移，保障其数据的完整性
（3）数据脱敏：为防止影子数据污染线上数据并保护线上数据安全，会对数据进行脱敏，脱敏的原理是在线上的数据上加上一个很大的值（线上数据增加N年也赶不上的值），总之，这样做的目的是数据隔离，让真实数据与压测数据彻底隔离。
模型构建的目的，主要是结合业务，设计预测出大促压测模型，然后按照压测模型组织压测数据，构建出可执行的压测流量。模型构建分为两部分：模型设计和流量构建。
模型设计：模型设计的目的主要是将业务进行采集并抽象成可执行的压测模型，并对各个子模型中的元素进行预测和设计，最终产生可以执行的压测模型，模型预测和设计的过程如下图所示。
流量构建：流量构建的过程就是将影子数据按照不同的业务规则进行构建，其中包含优惠、资金、限购、购物车添加、URL构建等，最终的体现是包含各个业务属性的url集合，配置上设定的QPS，形成压测方案。
压测控制和操作在压测控制台上执行，压测控制台上管理了很多的施压引擎，可提供千万级的压测能力，将压测方案推送至压测控制台后，压测控台会为压测方案进行分配压测引擎、上传数据、登录、施压操作，在压测过程中可自由调节压测量级，灵活方便，准确高效。
施压过程中请持续关注系统告警！观察系统资源使用情况！出现问题请立即执行预案！
全链路压测执行的过程，主要分为以下5个步骤：
压测模型数据构建好后，会给模型中的各个场景按照大促目标配置好QPS，然后推送到压测平台，进行数据上传。
你需要知道：
预跑一般安排在正式压测前1~2天，按照模型的小比例压测，主要目的是验证模型数据的准确性和当前环境的可用性。
预热的目的是将当前系统中的本地缓存、分布式缓存、DB缓存等预热到大促态，同时为防止核心应用在流量脉冲进来时，代码还没有编译，需要提前进行jit预热，预热的最终效果是让应用的各级缓存达到热的状态，在大促脉冲的瞬间缓存能稳定运行。
正式压测当天，会按照大促当天进行演练，全天无压测执行，0点脉冲前一个小时执行提前批预案，而后在按照压测策略执行压测，一般会分为下面几步：
1、0点脉冲：系统保持大促态，完全模拟大促峰值流量，0点脉冲值大促目标值，观察各个系统表现
2、摸高：放开限流，将压力抬高当前目标峰值的10%~20%，观察系统的极限值，如果在这个范围内还稳定，可以继续往上加压，一直到有系统扛不住为止
3、限流验证：在摸高达到最高状态后，生效限流，限制会大促目标峰值，查看流量是否准确回到限流值，验证限流效果
4、破坏性测试：在该阶段，维持大促态峰值压测，各业务系统执行其紧急预案，观察这些预案对系统性能影响
整个压测结束后，会组织各系统核心成员，进行压测复盘，讲述当前系统中的瓶颈并给出后续修复计划，所有系统瓶颈及其后续计划复盘完成后，将各个系统数据以及系统瓶颈汇总成压测报告。
要在线上实现压测，必回涉及到数据的读写，如果使用线上数据压测，总会造成数据污染，为避免该问题，引入影子体系，将压测数据和线上数据隔离，并使压测数据走的业务路径和线上数据一致，保持压测的有效性和真实性。
如上图所示，通过压测标t=1，实现了压测流量和线上流量的区分，影子标t=1通过URL中的biz_loadtest=1映射而来，然后附着在上下文中，在各个中间件中实现传递，最终落库时，通过DB Proxy的判断读写到影子表中。
压测，就像一袋袋沙袋堆积在一个正在行走打工人的肩上。沙袋就是流量模型，逐渐施压，一袋两袋三袋......，施压的过程中你要持续观察这个打工人的身体状况怎么样，到底是肩膀先扛不住？还是腰部先扛不住？还是腿部先受不了？一旦他喊疼，你就要立即卸下这些沙袋，否则可能会影响他走路，也可能会让他摔倒。
好了，今天我们就暂时先到这里了，明天我们换个地方，接着大促这篇聊：限流。敬请期待！感谢阅读~感谢关注~
| 留言与评论（共有 0 条评论） “” |
