Давайте поговорим о бенчмаркинге производительности и планировании оценки мощности.
Давайте поговорим о бенчмаркинге производительности и планировании оценки мощности.

Одноклассник из Планеты задал вопрос о тестировании производительности, он показался мне довольно интересным, поэтому поделился им со всеми и рассказал о своих идеях анализа и практическом опыте.

Предыстория проблемы такова:Новая версия системы 1.0 еще не доступна, и ее необходимо протестировать. Как действовать? Как оценивается модель потока? Как провести стресс-тестирование с использованием кэша? Как настроить коэффициент потока в сценарии стресс-теста? Как провести онлайн-планирование оценки потенциала

1. Модель трафика

Системы, не подключенные к сети, не могут получить более точную модель трафика, поскольку у них нет реальных бизнес-данных пользователей. Однако, если модели трафика нет, показатели производительности системы, полученные в результате испытания под давлением, не имеют большого эталонного значения. Поэтому модель трафика все равно необходимо оценить. Как ее оценить?

Во-первых, посмотрите на план запуска системы, например, будет ли она запущена полностью или в оттенках серого после выхода в Интернет.

Если это полный толчок, вы можете сослаться на общее количество пользователей других предприятий компании и получить приблизительное значение, основанное на тенденции трафика онлайн-системы. Затем, в соответствии с типом бизнеса системы и пиковым периодом бизнеса, оцененным стороной продукта, максимальное значение QPS дополнительно получается в соответствии с принципом 80/20. Наконец, модель трафика получается в соответствии с бизнес-связями и отношениями вызовов системы.

Если это оттенки серого, трафик первого оттенка серого будет оцениваться первым в соответствии со стратегией оттенков серого. Например, если у зарегистрированного пользователя есть 1 миллион Вт, сначала оттенки серого будут 10%, а затем оттенки серого будут 20% после того, как вы увидите, что проблем нет в течение недели. В этом случае начальное значение модели трафика рассчитывается как 10 Вт, а затем преобразуется и рассчитывается одно за другим в соответствии с отношениями деловых вызовов.

PS: Конкретные методы оценки и случаи моделей трафика можно найти в рекомендуемой литературе в конце статьи.

2. Кэш-сцена

Это очень распространенный сценарий стресс-тестирования, включающий кэширование, и решение этой проблемы также очень простое.

Предварительно нагрейте данные, которые необходимо кэшировать в кеш, с помощью тестирования нагрузки на небольшой трафик или пакетной обработки.。Этот шагпроизводительностьне ведет себя как настоящийпроизводительность Запись результата,Основная цель — поместить кэшированные данные в кеш.,Убедитесь в подлинности тестовой сцены.

Некоторые студенты обеспокоены тем, что если они сначала пройдут разминку, а затем нагрузочный тест, то результаты последующих тестов производительности будут больше отличаться от производительности доступа пользователей после выхода системы в онлайн. На самом деле, об этом не стоит беспокоиться. Прежде чем новая система выйдет в онлайн, необходимо подготовить и прогреть базовые данные и кэшированные данные. Это также способ быстрого улучшения производительности системы и удобства работы пользователей.

3. Коэффициент посещаемости сцены

Давайте сначала объясним соотношение потоков. Например: бизнес-приложение, соответствующее бизнесу заказа, является интерфейсом заказа, и в это приложение интегрированы функциональные модули, связанные с заказом, такие как список заказов, детали заказа, создание заказа и оплата заказа.

С уровня сервиса QPS запросов, направляемых от шлюза к сервису заказ-интерфейс, является фиксированной величиной, но QPS разных функциональных модулей (интерфейсов) в один и тот же период времени различны, и их производительность также будет разной. Для получения производительности уровня обслуживания приложений необходимо провести стресс-тестирование по смешанному сценарию.

Здесь коэффициент QPS интерфейса, соответствующий различным функциональным модулям в интерфейсе заказа службы заказа, представляет собой так называемый коэффициент трафика.

Давайте поговорим о стратегии соотношения трафика в этом сценарии. Идея на самом деле очень проста: просто получить прибыль.

При разных соотношениях потоков производительность системы будет разной. Вы можете комбинировать разные соотношения потоков и проверять несколько групп, чтобы получить разные результаты производительности.

Поскольку система еще не подключена к сети, необходимо оставить определенный объем резервного пространства для системы, когда она находится в сети. Используйте наихудший набор результатов теста производительности, полученный вышеуказанным методом, в качестве эталона, если данные теста производительности этого набора соответствуют ожиданиям.

После запуска системы новые модели трафика и коэффициенты трафика получаются на основе фактических данных бизнес- и технического мониторинга и быстро настраиваются, оптимизируются и проверяются с помощью стресс-тестирования.

4. Планирование оценки потенциала

Многие студенты-тестировщики имеют определенные непонимания относительно оценки и планирования мощности. На самом деле оценка мощности и планирование мощности — это две разные вещи.

В реальном сценарии тестирования производительности этапами оценки и планирования мощности являются: оценка мощности, проверка стресс-теста, онлайн-мониторинг, корректировка и оптимизация.。Последний шаг,Это так называемое онлайн-планирование мощности.

Так называемая оценка мощности представляет собой приблизительную стоимость различных сервисов ABCD и соответствующих приложений и промежуточного программного обеспечения (Redis/MQ).

Проверьте производительность отдельной машины или небольшого кластера с помощью автономной среды тестирования производительности, чтобы получить приблизительный результат, и используйте наихудший набор результатов производительности в качестве онлайн-теста.

Кроме того, при запуске новой системы стабильность гарантируется за счет резервирования ресурсов. После того, как система будет подключена к сети, используйте вновь полученную модель трафика и коэффициент трафика для быстрой настройки, оптимизации и испытания под давлением для проверки, а затем дальнейшую настройку уровня воды для каждого бизнес-приложения и соответствующего распределения ресурсов. Только таким образом можно завершить планирование мощности.

Планирование мощности — это непрерывный и постепенный процесс, а не разовая сделка.

boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose