关于性能测试的重要性及必要性已是个老生常谈的问题了，现分别从技术角度和业务战略角度总结一下：
性能测试：解决大型营销活动中洪峰流量引起的系统表现不确定性
- 压测环境准备：复用真实的线上环境，压测结果和问题暴露才都是最真实情况。可通过压测流量全局识别、透传（数据进影子区域），我们采用第一种方案，压测流量全局识别；
- 基础数据准备：以电商场景为例，构造满足大促场景的核心基础相关数据（如买家、卖家、商品信息），以线上数据为数据源，进行采样、过滤和脱敏，并保持同等量级。
全链路压测示意图：
一、压测环境改造
数据准备的同时，需考虑压测环境（即压测对象的部署环境）是哪里，不同环境就需要做不同的准备。
压测环境，包括双十一压测，全部选择的是线上环境，此时需评估如果要进行全链路压测，是否直接使用现有环境、同一个 API 多次压测是否会被拦截、是否会有脏数据影响、如果有影响应该如何改造避免等。以上这些问题总结下来即为两类问题：业务问题和数据传递问题。
改造分为两方面：业务改造和中间件改造。
业务改造
业务改造即为了解决压测过程中的业务异常问题，或压测请求无法正常被执行的问题。
举例如下：
- 流量区分与识别：压测流量和业务流量的区分，并可在全链路系统中识别出来；
- 流量单一性问题：比如下单，同一个人执行一次下单后再重复执行就会失败；
- 剔除压测数据对报表的影响
- 动态校验
- …
业务改造涉及的内容无法穷举，需根据不同的业务模型、业务架构及配置，逐个梳理。一般梳理改造之后，后续所有新应用都按照规范去开发，每年的压测前进行基础的查漏补缺即可。
中间件改造
中间件作为衔接业务应用之间的组件，在压测中有个至关重要的功能就是将流量标识传递下去，一直到最终的数据库层面。
二、数据准备
主要分为两部分：业务模型的建立和基础数据的构造。
业务模型数据
业务模型数据，即压测的业务模型相关的数据，包括涉及到哪些 API，这些 API 之间的压测量级是什么样的或者有什么样的比例关系等。业务模型的构造准确度，直接影响了压测结果的可参考性。
压测基础数据
如果说业务模型对应的是确定要压测的接口/API 的话，那压测流量数据，就是确定这些压测 API 到底压测的是什么内容，比如：登录哪些用户、查看哪些商品和店铺、购买哪些商品，甚至是付款价格是什么。
流量数据中最重要的部分，即为真实的压测数据，我们可以称之为基础数据，比如交易的买家、卖家、商品数据等。全链路压测的目的是为了模拟双 11，所以模拟的真实性非常重要，基础数据的真实性就是至关重要的一环。全链路压测会以线上数据作为数据源，经过采样、过滤、脱敏等操作，形成可作为压测使用的数据。
四、流量安全策略
流量安全策略主要是为了保证能够正常的施压流量且数据不错乱，安全地、符合预期地进行。
- 测试数据和正常数据的严格隔离，即非法流量的监控和保护机制
- 手段：影子表数据。影子表和线上结构一致，但是处于隔离位置的可写压测数据表
- 效果：数据隔离，避免了数据错乱
- 压测流量的安全过滤，即不被识别为攻击流量
- 手段：将安全相关策略接入流控降级功能；针对压测适当放松安全策略，或根据特殊标记识别
- 效果：压测流量不被判定为攻击流量，成功压测的同时保障线上业务的安全性
五、压测实施
一切准备就绪之后，即可开始进行全链路压测。
可以通过先一轮、低量级的全链路压测，来提前预热系统，包括在真正大促活动之前也可这样操作，即提前缓存住需要缓存的数据。
正式压测
1）峰值脉冲：即完全模拟大促目标峰值流量，进行大促态压测，观察系统表现
2）系统摸高：取消限流降级保护功能，抬高当前压测值（前提是当前的目标压测值已经达到，则可以进行摸高测试），观察系统的极限值是多少。可进行多轮提升压力值压测，直到系统出现异常为止
4）破坏性测试：这个主要是为了验证预案的有效性，类似于容灾演练时的预案执行演练。即为持续保持大促态压测，并验证预案的有效性，观察执行预案之后对系统的影响
压测报告
问题定位分析
压测结束之后，会将压测过程中的系统表现、监控数据等整理，进行压测复盘，分析当前系统瓶颈、后续改进修复计划及下一轮压测时间等。在分析定位问题时，因涉及的系统较多、子业务系统的形态不一，需要具体问题具体分析，其中不免需要一线研发的介入。
咨询方案 预约演示
