怎么做服务压测？压测关注什么？

背景

在业务新上线，或者业务做活动，压测成为必不可少的一步。但是很多开发对如何做好服务压测并没有特别系统的了解，这篇文章的目的是为了解释清楚单机服务压测的目的、做法、误区，帮助大家更好地达成压测的目的

压测的目的是什么？

• 检查性能瓶颈 服务的处理能力取决于资源中瓶颈最低的那个—木桶理论。我们并不总是对自己的服务这么自信，压测能够帮我们了解清楚在高压情况下的表现，发现隐藏的问题。
• 单机处理能力（QPS） 硬件影响了服务性，但处理能力跟硬件的关系有的时候并不是线性的，CPU从2核增加到4核，服务的能力并不一定会提高两倍。
• 容量规划的需要：什么系统，什么时候，需要多少服务器。 服务的责任人能够清晰的知道：什么时候该加机器、什么时候应该减机器？双11等大促场景需要准备多少机器，既能保障系统稳定性、又能节约成本

缺少经验的开发，经常无法很好达成三个目标中的任何一个。后续的内容我们将按照三个目标逐一讲述，压测中可能存在的误区

性能瓶颈分析

在分析服务性能瓶颈的时候，一般使用perf工具来生成服务在压测时的火焰图

• y 轴表示调用栈，每一层都是一个函数。调用栈越深，火焰就越高，顶部就是正在执行的函数，下方都是它的父函数。
• x 轴表示抽样数，如果一个函数在 x 轴占据的宽度越宽，就表示它被抽到的次数多，即执行的时间长。注意，x 轴不代表时间，而是所有的调用栈合并后，按字母顺序排列的。

火焰图就是看顶层的哪个函数占据的宽度最大。只要有”平顶”（plateaus），就表示该函数可能存在性能问题，需要特别留意和分析所占比例是否与预期相符。

误区

1. 调用量不够，火焰图采样次数不足：采样次数会导致火焰图中函数占比有出入，导致火焰图缺少
2. 分析不够：对于占用较多的函数，不能深入找出原因，得到合理的解释。

单机处理能力

一般来说服务的单机处理能力主要受设计方案、代码实现、硬件、第三方依赖共同决定。进入压测阶段，影响单机处理能力的，也就是硬件了，接下来我们了解下硬件

CPU

一般来说CPU核数越多，主频越高，服务的处理处理能力也就越高。当然，这里有个条件，就是每个CPU在处理的时候资源是独立的，否则当两个CPU同时都需要某一个资源时，其中一个就需要等待，直到资源闲置才能继续。因此，当服务中“锁”冲突严重时，CPU都浪费在线程/进程切换，CPU核数增加也无法带来处理性能的线性增长。此时就需要进行锁冲突优化，降低锁的粒度，甚至使用无锁服务。

内存

内存也是影响服务性能的一个重要因素。当内存充足的时候，内存分配和释放的代价会影响服务的性能。当服务不足的时候，会出现Swap分区的换入换出

磁盘IO

无论机械磁盘，还是固态硬盘读写，磁盘的读写速度与内存、CPU的速度都不在一个等级上。在一般的业务型服务中，经常会出现日志打印过多，磁盘IO瓶颈，导致服务处理能力与预期不符。

微信的服务在日志打印方面做得很好，所有的日志都直接打印共享内存，然后异步刷盘。业务就可以放心打日志，不用提心吊胆，随时炸弹爆炸。

误区

1. 压测时不关心服务指标：导致缺少对系统基本层面的了解，一般监控内容包括响应时间、吞吐量、错误率、缓存命中率
2. 不关注资源使用情况:包括CPU、内存、磁盘IO、网络吞吐、DB、Redis、MQ等
3. 压测之后调整单机配置，期望单机性能得到线性增长

容量规划

很多开发在做完压测之后，对容量的准备和预估还是没有概念的，不知道多少容量能支撑整个系统。随着流量增加，期望加机器解决所有的问题。最后往往是所有的期望，全都化作失望。毕竟服务本身的处理能力，不仅取决于服务的性能，还取决于依赖的第三方服务处理能力，例如，Redis单机处理能力是10w QPS，如果有一个key的访问QPS到达瓶颈，服务的扩展再多的机器也是无济于事。

容量规划怎么做？

• 流量预估：通过历史数据（或者结合业务和时间）预估业务流量会有多大的系统调用量
• 容量评估：根据预估结果，计算服务需要分配多少机器
• 场景压测：针对重点业务场景，进行全局性的压测，根据压测结果再次调整。

source: www.cyningsun.com/02-17-2019/stress-testing.html