01为什么要做压测
1、什么是压力测试？
不断向被测对象施加压力，测试系统在压力情况下的表现。
2、压力测试的目的是什么？
测试得出系统的极限性能指标，从而给出合理的承诺值或者容量告警；
找出系统的性能瓶颈，对性能做出优化；
测试系统在高负载情况下的稳定性；
验证系统在过载情况下的限流和降级预案；
3、不做压测会产生什么问题？
线上容量评估不准确，流量增加，服务被打挂
升级前没做压测，升级后性能出现劣化，可用性降低；
无法给出准确的承诺值，导致集群水位过低，资源被浪费或者集群水位过高
系统存在稳定性bug；
压测环境可以简单的分为模块级压测和链路级压测，它们的主要特点和区别如下：
1、模块级压测
应用场景：比较变更前后的性能，看性能是否有劣化；定位模块本身的性能瓶颈。
环境要求：不要求与线上环境完全一致，只需要保证变更前后两次的压测在同一个环境即可。
业界方案：维护一套固定的线下环境，进行周期性、常态的压测。
2、链路级压测
应用场景：做整条链路的容量评估；评估系统整体可用性。
环境要求：要求尽量与线上环境保持一致，这样的压测数据才是有借鉴意义的。
业界方案：使用线上环境，根据不同的隔离方式使用不同的方案：
不做流量隔离，压测流量和业务流量共存，由于没有做隔离，只能在低峰期压测
逻辑隔离，通过流量调度或者分流方式，将压测流量打到一个压测环境去。压测流量和业务流量在同一个机房跑，但并不会打到同一个业务实例。
物理隔离，利用异地多活的特性，将业务流量从一个机房切出，留下一个空机房做压测。
第一种方案是最接近线上真实环境的，但是存在着一些安全风险；后两种方案安全性高很多，但是没有完全利用整个线上架构，存在一定程度上的失真。
3、线上压测怎么保证安全性？
流量隔离，如上述方法做流量隔离。但是只做流量隔离是不够的，即使是物理隔离，也会对线上数据进行修改，所以还要做数据隔离。
压测流量经过中间件时进行打标，做压测标记，比如http流量可以配置一个特殊的header。
在业务集群对流量标记进行数据隔离，比如对压测流量产生的日志写到另一个路径（有的系统会对日志做一些分析统计）；存储/缓存方面将压测流量产生的数据存储到影子表，正常流量访问正常表；
消息屏蔽，如果消息队列无法识别出压测消息，则会造成线上消息堆积，影响线上流量，所以需要对压测消息进行屏蔽。
对不支持压测的第三方服务进行mock。
压测要覆盖哪些场景？压测请求和数据如何构造？如何模拟业务流量形态？以上三个问题分别对应压测模型中的业务模型、数据模型和流量模型。
1、业务模型
压测需要覆盖哪些业务场景？
需要梳理出核心业务场景，必须包含核心接口和大流量接口，大流量接口可能是一些不对用户暴露的，在内部频繁使用的接口。
如何模拟业务场景？
需要理清楚接口之间的关系。对待一些简单查询的接口，没有前后依赖关系，只需要关注流量配比就行了；对待一些复杂业务场景，则需要还原业务处理流程，理清楚接口串联逻辑。可以通过场景录制和场景回放来梳理。
2、数据模型
基于线上数据进行改造
请求部分可以直接把线上流量录制下来，对请求加压测标记，并对关键id做便宜；铺底数据可以直接将线上存储数据拷贝到另一个压测表。
基于模型构造
通过对线上日志和请求进行分析，梳理出对性能有影响的数据特征和请求特征，根据这些特征构造出数据，其中铺底数据需要通过真实的业务应用来构建。
基于线上数据改造的方式
方案很简单，数据构造快，但是强以来系统现有数据，，无法应对新增场景，模型调整不灵活，适用于老服务的线上压测；
基于模型构造
不强依赖线上数据，可以人工构造新增场景，维护成本低，只需要调接口就行了，不需要感知线上存储表的变化，模型可以灵活调整，但是方案比较复杂，数据构造慢，使用场景比较广泛，线上线下新老服务皆可。
压测模型的特例：流量录制，原样回放
特点：不用模拟业务场景、不需要构造数据；只能录制到线上已有流量的服务和接口；只能在线上环境回放，只能回放只读接口；只适用于老服务读接口的压测；
流量录制可以把低峰期、平峰期、高峰期的流量都录制下来，以免出现漏测的情况。
3、流量模型：模拟业务流量形态
线上有流量
观察线上流量形态。
网上绝大部分开源的监控打点都是5s以上的，最理想的情况可以达到ms级别的，可以通过分析日志来进行实现。
线上没有流量
分析用户行为或者调用方行为。
常见的业务流量形态可以分为两种，一种是连续递增型，还有一种是脉冲型（比如抢红包）
4、流量预估
流量形态是模拟线上流量曲线，此外我们还需要进行流量预估，计算出压测的量级。
已双十一活动为例，我们可以把接口分为三类：
背景接口
流量不随活动而变化，压测是仅作为背景流量，取近期峰值即可；
普通关注接口
流量随活动而变化，用通用模型计算
重宝接口
比如交易接口，取历史大促的峰值
1、观测指标
系统指标
qps/tps，最大tps一定是稳定的，如果存在抖动，那系统已经存在问题。
响应时间，从客户端发起请求到收到请求的全过程时间
错误率，根据sla来定
资源指标
cpu利用率，一般要低于80%，avg低于60%比较保险
内存使用率，低于80%比较保险，否则可能陷入GC死亡循环
磁盘吞吐/网络吞吐
特性指标，根据具体业务来定
连接池使用率
消息队列堆积
pps
2、仿真度分析：压测结果是否有价值？
比较同等水位下压测场景和线上真实场景服务表现相似度，可进行仿真度分析的指标：
流量，流量比例，接口覆盖
链路覆盖
机器资源，cpu利用率、内存利用率
可用性指标，时延，错误率
业务指标
把这些指标组装成一个向量，和线上指标做比较，二者差异，差异越小，仿真度就越高。
现有痛点：
需要随时观察监控，需要oncall待命
安全性不足
方案复杂，代价大
未来发展趋势：
智能化
无人值守