【面试-性能测试工程师】如何在项目中练手性能测试,莫慌

本文涉及的产品
性能测试 PTS,5000VUM额度
简介: 大家好,我是温大大。今天给大家带来了另一个读者故事,A君故事 ———— 点工逆袭成为性能专项测试工程师的故事。## 「现状」A君毕业于某专科,毕业后做过运维、做过销售,目前在武汉一家电商公司从事功能测试,也是待了最久的一家待了3年了。目前他所在测试团队由10到增长到30多人,他自己虽然学到了一些测试经验,但他自己感觉所处在团队的中低层,升职加薪无望了,最可怕的是毕业6年了目前薪水也只维持在12K左右,但总感觉自己没有一技之长,他想跳出点工的圈子(功能测试),想要搞一搞性能专项测试,自己也网上找了一些教学视频,但总感觉学不透也上不了手,所以他找到我,希望我能给他一

大家好,我是温大大。 今天给大家带来了另一个读者故事,A君故事 ———— 点工逆袭成为性能专项测试工程师的故事。

「现状」

A君毕业于某专科,毕业后做过运维、做过销售,

目前在武汉一家电商公司从事功能测试,也是待了最久的一家待了3年了。

目前他所在测试团队由10到增长到30多人,

他自己虽然学到了一些测试经验,但他自己感觉所处在团队的中低层,升职加薪无望了,

最可怕的是毕业6年了目前薪水也只维持在12K左右,

但总感觉自己没有一技之长,他想跳出点工的圈子(功能测试),想要搞一搞性能专项测试,

自己也网上找了一些教学视频,但总感觉学不透也上不了手,所以他找到我,希望我能给他一些学习建议和性能测试方面的职业规划。

「建议」

我了解了他的情况后,建议他先「学习」性能测试技能,在「找机会」实操项目,最后「主动」出击。

  • 1、先「学习」入手 ,掌握性能测试入门3把斧头:性能工具、需求分析、瓶颈定位。
  • 2、再「找机会」实操,「识别」目前测试工作中哪些可能涉及性能测试,主动承担「额外」工作量,进行实操练手。
  • 3、最后「主动」出击,「锁定」目标公司可能是专项性能测试 或 会接触性能测试的工种,「迈出」性能测试之路第一步

目前该同学面了3家公司的性能专项测试工程师,1家给出了offer 16K+,其余2家刚过1面,虽然offer 只涨了4K 但是他成功开启了另一段职业道路 ———— 性能专项测试工程师

网络异常,图片无法展示
|

同样的今天给大家讲讲:

  • 1.需求分析
  • 2.工具选择
  • 3.场景设计
  • 4.场景执行
  • 5.瓶颈调优
  • 6.如何找项目「实操」

需求分析

有的同学会说性能测试第一步就是先搭建1个环境吧,或者说来找个工具开始搞吧,不搞性能需求调研的测试就是耍流氓,所以我们第一步做调研,还是以1个项目开始,就拿温大大做过的wifi认证项目给大家分享吧:

【业务模型+数据流】

温大大以一个真实的项目为例进行说明,部分模块做了简化处理

概述:手机WiFi认证项目 业务:业务由推送+认证+广告展示组成 交互:

  • 1、手机 与 wifi 建立 tcp 连接,并且给手机推送认证页面,用户输入用户名+密码进行认证
  • 2、请求发送到 nginx进行负载
  • 3、具体server接收到请求后,会先在查询radis查询密码是否匹配,不匹配则查询mysql查看密码是否匹配
  • 4、最终结果http定向报文302会返回给前端

有的同学可能会问,直接访问url入口就能压测了,为啥还需要了解这些模块与数据流呢,温大大想说因为只有我们深入了解数据流交互才能思考:我们选取什么「压测工具」、采取什么「压测策略」、如何分层定位「瓶颈」

【qps估算方法】

  • 1、有明确的指标,按照指标来
  • 2、没有明确指标,通过线上log采集估算

先说有明确指标时,你可以直接按照规定指标来,例:推送2000、用户认证qps200、广告展示50。

再说没有明确指标时,你可以从已经部署环境中推算以上的指标,还是以上面wifi项目为例:

首先获取认证log,一般这样的log都是以流水记录的,并且离散分布在一天的24小时内,所以我们不能统计全部数据,得过滤一些无效或者非法的数据,因为是银行认证系统,所以客户真实的认证时间是早9点-晚5点,我们通过Python或shell脚本过滤出这个时间内总认证总条数(假设我们获取了100万条),但这些认证请求肯定不是平均分布在8小时内,肯定是有认证高峰与低峰,所以我们根据 业界通用2/8法则定义:假设用户高峰认证现象发生在营业总时间内的20%情况下,也就是1.6小时内(8*0.2=1.6)。 那么认证qps=总认证条数/总业务认证时间,即每秒认证180 条( 100万/1.6/3600=180)

在得到认证qps后,根据日志分析得出:wifi推送了10次里面才有1次用户认证+1次广告展示, 所以我们也得到了:推送qps 1800(180*10)与广告展示qps 180

  • 认证qps 180
  • 推送qps 1800
  • 广告qps 180

【未来qps推算】

再来推算未来扩展后的qps,假设现有规模是2000个网点,未来老板说我们计划扩张到2万个网点,那未来qps就是现在的10倍,那么未来业务qps: 推送:180010=1.8万 认证:18010=0.18万 广告:180*10=0.18万

点评:当然估算方法有很多也可以根据其他规则来,但必须建立在真实的数据上面来,具体你可以跟研发/项目负责人一起协商。

工具选择

前面第一章系统数据流分析得知: 我们压测对象是cs架构、通过http协议请求与WiFi硬件链接、再通过nginx负载、server接受访问数据库或radis缓存的一个系统结构。

所以我只需要选取一个压测工具支持http协议的即可,目前业界通用的有几种,都有各自的优缺点:

1.企业级压测工具 loadrunner

优点: 支持多种协议压测模拟,简单上手的录制调试机制,丰富化的参数函数库,提供多样的监控系统指标的窗口以及丰富完善的报告模板。

缺点: 重量级的压测工具,安装比较反锁,而且需付费,虽然网上有很多破解资料,但如果是你公司是大型企业一般会因为版权放弃此工具。

2.开源压测工具 jmeter

优点:基于java语言的开源压测工具,同时支持多种协议,灵活性较高可以通过对内置插件进行二次开发

缺点:对于复杂的协议需要自己实现脚本编写,学习成本较高

3.Apache 自带压测工具ab,又称Apache Benchmark,支持对web网站进行压测。

优点:轻量级压测工具,安装简单上手很快,直接通过参数+URL可以实现对网站的压测

缺点:只是支持web网站压测工具,不支持其他协议的压测,报告不支持ui图形界面

结论

基于上面场景通过http协议触发流程,所以我们可以任意一种工具进行压测,后续以loadrunner进行讲解

点评:结合实际情况来选,若被压测系统是一些标准的协议选LR,若项目只是轻量级的请求选AB,若项目需要对压测工具进行要求二次开发或需对dubbo服务压测选jmeter

场景设计

有了工具后,也先别急搞脚本,让我们设计下性能场景,性能场景设计主要为了定位性能问题,分为3步走:

  • 1、基准场景,将整条链路拆解成单个模块,并对单模块做压测,确保每个模块达到预期qps。
  • 2、组合场景,基准场景达标后,接着设计组合场景,这就是「真实」高峰并发的用户场景,一般是压测业务的入口接口。
  • 3、疲劳场景,短时间的组合场景通过后,并不能证明长时间的场景不会出现「内存」泄露这样的一些问题,所以还需要让「疲劳」场景帮忙验证,但考虑到真实情况,并不是7*24小时都是「高峰」并发,所以我们取 60%的组合场景指标作为 疲劳场景的压力指标

点评:以上是通用的一些场景,有些性能压测中还会考虑部署层面内容:单机 与 集群,低配置 与 高配置,具体视情况而定

场景执行

通过工具模拟请求,这里通过loadrunner 模拟http请求,这里我们不详细展开,后续开个专题给大家讲解

  • 1、录制脚本
  • 2、调试脚本(关联获取cookies)
  • 3、加强脚本(参数化)
  • 4、并发脚本(设置集合点、并发数)
  • 5、监控指标
  • 6、报告解读

点评:若对 loadrunner/jmeter 实操感兴趣的朋友,可以留言或者分享此文章出去,若阅读量达到500,温大大在爆肝继续输出 loadrunner/jmeter 的实操指南,在此立1个flag

瓶颈调优

由于有了基准场景、组合场景、疲劳场景的设计,所以瓶颈调优工作变得并不是那么难。

在基准场景下,确保每个模块对应的qps都能达标,这样就排除了单模块瓶颈的问题。

在组合场景下,若出现性能瓶颈,多半是模块 与 模块之间请求、数据库访问、网络、硬件 本身的问题,

大致可以通过以下几个方向去排查:

  • 1、网络层:压力机与后端服务器的带宽不存在瓶颈,通过nmon工具在压力机侧与后端服务器侧观察网络是否打满,若打满则需加大网络带宽。
  • 2、中间层:上面这个场景中则指nginx负载是否存在瓶颈,是否有负载不均衡情况,或者负载本身算法不合理的情况。
  • 3、系统层:cs结构的系统中,client端与server端建立tcp链接数、文件句柄数是否达到系统上限,需要ulimit、net.ipv4这样的配置去调优。系统的cpu、内存、io读写是否存在满负载的情况,这些需要通过nmon、iostat一类的工具去定位。
  • 4、数据库层:数据的访问是否都命中了缓存、没有走缓存的查询sql是否存在慢查询、慢查询是否是因为没走索引照成的,这些是数据层需要定位、优化考虑的事情。
  • 5、内部逻辑层:以上常规的优化手段都试过后,发现qps上去后跑几天后又降下来的情况,那么是否内部逻辑本身存在内存泄露的问题,我们需要将qps出现拐点时那时的主进程的镜像通过工具jamp dump下来,然后通过一些java 镜像分析工具去看进程中那些堆栈占用太多,例:eclipse memory analyze

点评:以上只是一些通用常规的一些排查手段,主要思想是将系统进行拆解,然后确保数据流每个环节都不存在瓶颈,你可以通过nmon、iostat、jdk工具去监控是否该环节是否存在瓶颈,然后对该环节的模块通过一些配置参数或者更换硬件配置去调优

如何找项目「实操」

当然你也许会说,我们项目没有给我提供这样的机会,

温大大想说:“朋友,有句名言:机会出了留给有准备的人,它的后半句是:你得给自己制造机会”

再说回A君,他所在项目也没有这样的机会。

再跟我交流后,我发现他们有web页面刷新缓慢情况,于是鼓励A君,让他自己主动提出「性能摸底」的要求,于是才有了后面他加薪的故事。

说到这里温大大再送你们几个场景,让你找到属于自己的「性能测试」之路:

1、收集系统槽点,找出页面加载缓慢、数据库查询缓慢、接口响应缓慢的地方。

2、系统都不存在以上的情况,那么我们看看系统的资源占有是否过高:cpu/内存/磁盘/tcp 连接。

3、还是没出现以上的情况,那也不代表它不存在「性能瓶颈」,你也可以提出「性能摸底」要求,双手属于自己,没人管的住你用它制造「财富」,所以少年跟我一起「加薪」吧。

点评:如果你还不知道如何开始,可以找到我,让我帮你分析分析,看看有没有适合你走的路,每个人都是独特的自己,有自己存在的价值



关注我,加我好友拉你进面试群,一起讨论面试干货 / 套路,大家一起升职加薪

点击链接:温大大

让我帮你规划下学习线路 & 职业规划线路,帮你升职加薪。

关注公众号:「测试猿温大大」

相关实践学习
通过性能测试PTS对云服务器ECS进行规格选择与性能压测
本文为您介绍如何利用性能测试PTS对云服务器ECS进行规格选择与性能压测。
相关文章
|
15天前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法
在数据驱动时代,A/B 测试成为评估机器学习项目不同方案效果的重要方法。本文介绍 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,同时提供 Python 实现示例,强调其在确保项目性能和用户体验方面的关键作用。
23 6
|
17天前
|
机器学习/深度学习 算法 UED
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段
在数据驱动时代,A/B 测试成为评估机器学习项目效果的重要手段。本文介绍了 A/B 测试的基本概念、步骤及其在模型评估、算法改进、特征选择和用户体验优化中的应用,强调了样本量、随机性和时间因素的重要性,并展示了 Python 在 A/B 测试中的具体应用实例。
24 1
|
20天前
|
监控 安全 测试技术
如何在实际项目中应用Python Web开发的安全测试知识?
如何在实际项目中应用Python Web开发的安全测试知识?
25 4
|
25天前
|
存储 网络协议 安全
30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场
本文精选了 30 道初级网络工程师面试题,涵盖 OSI 模型、TCP/IP 协议栈、IP 地址、子网掩码、VLAN、STP、DHCP、DNS、防火墙、NAT、VPN 等基础知识和技术,帮助小白们充分准备面试,顺利踏入职场。
71 2
|
1月前
|
网络协议 关系型数据库 应用服务中间件
【项目场景】请求数据时测试环境比生产环境多花了1秒是怎么回事?
这是一位粉丝(谢同学)给V哥的留言,描述了他在优化系统查询时遇到的问题:测试环境优化达标,但生产环境响应时间多出1秒。通过抓包分析,发现MySQL请求和响应之间存在500毫秒的延迟,怀疑是网络传输开销。V哥给出了以下优化建议:
|
2月前
|
测试技术
自动化测试项目学习笔记(五):Pytest结合allure生成测试报告以及重构项目
本文介绍了如何使用Pytest和Allure生成自动化测试报告。通过安装allure-pytest和配置环境,可以生成包含用例描述、步骤、等级等详细信息的美观报告。文章还提供了代码示例和运行指南,以及重构项目时的注意事项。
238 1
自动化测试项目学习笔记(五):Pytest结合allure生成测试报告以及重构项目
|
2月前
|
测试技术 Python
自动化测试项目学习笔记(四):Pytest介绍和使用
本文是关于自动化测试框架Pytest的介绍和使用。Pytest是一个功能丰富的Python测试工具,支持参数化、多种测试类型,并拥有众多第三方插件。文章讲解了Pytest的编写规则、命令行参数、执行测试、参数化处理以及如何使用fixture实现测试用例间的调用。此外,还提供了pytest.ini配置文件示例。
47 2
|
2月前
|
测试技术 Python
自动化测试项目学习笔记(二):学习各种setup、tearDown、断言方法
本文主要介绍了自动化测试中setup、teardown、断言方法的使用,以及unittest框架中setUp、tearDown、setUpClass和tearDownClass的区别和应用。
72 0
自动化测试项目学习笔记(二):学习各种setup、tearDown、断言方法
|
2月前
|
Java 测试技术 程序员
「测试线排查的一些经验-上篇」&& 后端工程师
「测试线排查的一些经验-上篇」&& 后端工程师
18 1
|
2月前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。