你“被”全链路了么
要说当下研发领域最热门的几个词，全链路压试肯定跑不了。最近的几次大会上，也有不少关于全链路的议题。之前有朋友在面试过程中也有被问到了什么是全链路压测，如何有效的开展全链路压测。今天我们就来聊聊全链路压测，但本文不会涉及到具体的技术栈（文章最后会附相关的链接），主要讲讲全链路实践的理论问题。其实，进行全链路压测对于整个公司技术要求还是很高的，没有一定技术沉淀的公司最好不要贸然尝试全链路压测，因为如果没做好可能会把生产环境搞宕机，所以对于没有一定科技能力的公司还是尽量不要贸然追潮流，实施全链路压测。
01
为什么需要全链路压测
先说说为什么需要全链路。随着业务的发展，技术架构从原来的单体架构发展到现在的微服务架构， 应用越来越多，给研发人员定位问题带来的困难也越来越大。在单体架构时期，只要查看一个应用的日志，就能大体知道问题出在哪里。但是在微服务架构下，基于前端返回的错误信息，你如何从那么长的应用链路中找到出错的应用？找不到具体的应用，你如何查看错误日志？也许你熟悉业务，可以大概猜测出问题在哪里，但这毕竟存在不确定性。在这种场景下，我们就需要一个服务治理平台，来帮助我们展示业务的全链路调用关系，并能通过某个ID，查询出某个请求在业务平台中流转过程。这里提到的服务治理平台，至少要包含功能有：服务的注册与发现，服务状态的可观测以及流量管理。目前主流的服务治框架有：spring-cloud框架，dubbo框架以及service mesh框架。基于服务治理，我们就可以具体的观察到请求在不同应用之前的流转，再结合统一日志平台，我们就可以快速定位到是哪个微服务出了问题，就能针对性的去做排查，这就是全链路跟踪，也是开展全链路压测的第一个基础。
图1：单体架构下的问题定位
图2：微服务下如何定位出错的应用
在说清楚了为什么需要全链路后，我们再谈谈不同架构下，对于性能测试的要求有哪些不同。在不同的架构阶段，对性能测试的要求也不一样，简单来说，可以分成4个不同的阶段：
图3：4个不同阶段的性能测试
我们通常说的全链路压测，指的就是第4阶段，业务发展到这个阶段时，会面临以下几个棘手的问题：
a) 单体业务的性能已经得到基本的保证了，但是在这么长链路上，哪个环节会出问 题，并不清楚
b) 不同业务模块的流量并不完全相同，如何保障核心链路的资源配置，成为重点，但是这个在测试环境是无法有效模拟的
c) 如何找出集群的性能短板，避免因某个服务的配置问题、性能问题引起集群的性能雪崩，成为重中之重
基于以上考量，我们引入的全链路压测的概念。
02
全链路压测解决了哪些问题
引入全链路压测试后，有助于我们解决以下几个问题：
- 保障重大活动的系统稳定性：引入全链路压测平台后，我们就可以有效的保障公司重大活动的系统稳定性，因为我们是以生产环境的配置为基础，真实的模拟用户行为。所以，在解决完全链路压测中发现的问题后，理论上，我们是有信心能够保障活动期间的系统稳定性
- 精准的容量评估：基于线上全链路的性能压测和监控，我们会清晰的看到流量洪峰来临时，每个业务的流量情况，就可以有针对性的做出容量评估，提高系统资源的利用率。
- 端到端的全链路巡检，第一时间发现故障并快速定位问题：基于全链路压测，我们可以做到完全的端到端检测，发现业务集群中的性能瓶颈，及时定位并解决问题，不产生遗留死角
- 建立公司的性能运营体系，将运动式的性能优化演化为自发的日常性能优化：当全链路压测体系建立起来后，就可以作为常规的测试手段来进行日常测试，使性能测试常态化，规范化。
03
哪些业务场景适合做
不知道大家注意到没，现在落地了全链路压测的公司，基本上都是电商公司，都存在高强度的交易和支付高并发场景。因为全链路平台的搭建是个高成本的活动，所以我们要思考哪些场景合适引入全链路测试，主要有以下几种场景：
- 有强并发的支付交易场景：包含各类大促场景，目前全链路压测的落地实际多出于此类头部公司，例如淘宝、有赞、滴滴、美团等
- 需求正常迭代完成，并测试通过，上线后又出现各种各样的系统故障的情况，可以适当引入全链路压测。这种情况一般是由于线上线下的硬件资源配置相差较大，在线下无法正确评估性能资源的使用情况引起的。
04
基础技术组件
既然全链路压测有这么多优点，我们是不是可以大力的推广落地呢？这也是很多面试官喜欢问这个问题的由来。但我们清楚，任何一种技术都不是银弹，能解决所有问题。在文章开头我们提到了，全链路压测对于整个公司技术有较高的要求，需要公司全体研发人员一起配合，才能有效的落地，否则就是空中楼阁。团队在落地全链路压测时，至少需要考虑以下几个问题:
a) 如何得到业务部门的支持
全链路压测平台不单单是测试部门，或者说测试中台的事，它基本上会涉及到公司所有的核心业务（如果不是，那也没必要做），这需要业务部门的技术配合和改造，那么，在KPI已经很紧张的情况下，如何说服业务部门配合你做改造呢？从某些方面来说，这个并不会影响他们自己部门的KPI，改造的不好，反而还会影响业务，风险较大。
b) 如何做好数据隔离
在生产环境上做压测，绝对不能对真实用户的数据造成影响，那么就需要做好数据隔离，业务侧的系统需要能够识别哪些是真实流量，哪些是压测流量。目前业内通用的做法有两种：流量标识或者影子数据库，这都需要对业务代码做改造。
c) 流量如何分发
想要实现全链路压测，那么压力的发起就不能照搬单体性能测试那样，通过自己写脚本来发起压测。需要通过研发并发能力更强，可控性更高的方式，来发起流量。目前业内主流的方式是基于Netty框架做改造，通过NIO的方式发起流量。流量的来源一般是录制上线的真实请求并对数据加以清洗。这需要通过改造中间件来实现。
d) Mock服务能否支持
在全链路的压测过程中，必然会接触到第三方的服务（短信、支付、第三方接口等等），如何有效的拦截这些服务并返回正确的数据。而且还不能让Mock服务成为压测中的性能瓶颈，对Mock服务自身的性能要求也会很高。
e) 数据监控是否到位
在全链路压测的过程中，是否能够建立起有效的、全方位的监控机制，能够第一时间发现问题？是否有分级、分层监控方案？当发现TPS上不去后，是否能够方便的定位到大致是哪里出了问题？否则全链路压测开展起来就没太大的意义。
f) 应急团队是否配置到位
毕竟是在生产上做压测，如果某个服务被压跨了，是否有足够的应对方案，如果发生不可逆的故障（中间件很容易压出问题，如数据库宕机、MQ数据堆积、Redis穿透等等），运维团队是否能够有效支撑到位，快速恢复业务呢？
通过以上问题，可以看出，落地全链路测试，涉及到研发的各个部门，并不是测试人员单方面的事，甚至于可以说和测试人员没什么直接的关系。当我们想要落地全链路时，我们需要考虑清楚团队是否有足够的底层技术来支持。
05
小结
全链路压测是一项综合技术要求很高的实践场景，需要整体IT团队在积累了各种前期的技术储备后，共同协作完成，并不是某个部门或者团队的事，需要有人整体的协调和统筹才能真正落地。作为测试人员，我们要了解全链路压测是在做什么，并且能大体知道是怎么做的，需要用到哪些技术能力，再结合团队的具体技术能力，分步骤、有选择的去推动和落地。而不是一味的追求直接就上全链路压测，同时，这是一项更依赖集体的活动，哪怕你技能再强，也不可能一个人完成这项工程，需要分清个人能力和公司平台哪个更重要。对于面试过程中的问题，我们可以针对的讲讲实现全链路的前因后果，理清楚技术栈和实现思路即可。
06
技术文章链接
最后，全链路压测所涉及到技术能力，经过这几年的探索，基本上都形成了较为稳定和成熟的方案，可以参考。放几个连接，有兴趣的同学可以看看。
有赞全链路压测介绍：
https://mp.weixin.qq.com/s/0a-Sd_fCkE2mDFzNpKxf7A
滴滴全链路路压测介绍：
https://blog.csdn.net/g6u8w7p06dco99fq3/article/details/79119269
字节全链路压测介绍：
https://mp.weixin.qq.com/s/k_nwjNEvMk-IteaKIzrlxA