作者：灵苒
在实际的业务场景中，压测是必不可少的一环，无论是对服务器、数据库、网络等性能瓶颈的评估，还是如浏览、下单、支付等重要流量节点的业务连续性保障，亦或是搬站上云整体业务稳定性的预估，这些都需要性能压测来帮助你建立对系统和业务的完整认知。根据 Google 的统计，如果网站打开慢每 500 毫秒，用户访问量将下降 20%。根据 Amazon 统计，每慢 100 毫秒，交易额下降 1%。这些事件和统计数据为大家敲响了警钟，也客观说明了性能压测对于企业应用的重要性。
压测是通过模拟用户行为对业务系统发起请求，测算出系统的承载能力，并对系统做一次全面的体检，压测后可根据压测表现优化系统瓶颈，防止出现线上故障。
业界常见的压测软件 JMeter 和 PTS目前 JMeter 是性能压测领域应用最广泛的开源软件。
对于场景简单，要求测试并发量不高的情况下，JMeter 本地测试就能满足需求。但随着互联网用户的增加，对系统承载更大并发的需求日渐提升，而单台 JMeter 施压机的施压能力有一定上限，所以需要使用多台施压机，以提高 JMeter 的施压能力，这就要使用到 JMeter 的分布式施压功能。
但 JMeter 的分布式压测前置准备较多，需要注意以下几点：
施压机的防火墙已关闭或打开了正确的端口。为 RMI 设置了 SSL 或禁用了它。所有施压机都在同一个子网上。如果使用 192.xxx或10.xxx IP 地址，则服务器位于同一子网中。所有施压机上使用相同版本的 JMeter 和 Java。所有施压机都已经拷贝了切分好的 CSV 数据文件、依赖 jar 包等。已配置好监控数据的收集。
由此可见 JMeter 的分布式压测需要自己协调各资源，前置准备比较麻烦，对实施压测的人员来说压测效率低。
PTS 是阿里云研发的性能测试工具，最初主要为了模拟双十一流量洪峰，如今已走过十个年头，在场景编排、压测执行、压测监控分析、报告总结等各方面能力相对完善，可提供百万并发、千万 TPS 流量发起能力，并且还能完全兼容 JMeter，可天然弥补 JMeter 在性能压测中的劣势。对使用 JMerer 无法绕过集群问题的用户是一个很好的选择。
PTS 的 JMeter 压测极大的简化了 JMeter 分布式压测流程，同时也降低了压测过程中对施压机的维护成本。使用 PTS 的 JMeter 压测，用户只需要在控制台配置需要使用的机器数，无须用户提前准备多台已安装相同 Java 和 JMeter 版本的施压机。同时无须用户根据施压机数量去切分 CSV 参数文件；压测结束后，PTS 会将监控数据汇总产生一个详细的压测报告供用户查阅。
相比于直接在命令行执行 JMeter 脚本来说，PTS 使用更加方便，可按需提供海量的施压能力，并且能提供简洁直观的监控和报告。
和所有压测的核心步骤一样，使用 PTS 的 JMeter 压测，也主要集中在创建场景、压测场景和查看报告三个步骤中。
1、创建场景：PTS 的 JMeter 压测以场景为核心，压测对象为一个场景，场景中包括JMeter（原生）脚本、JMeter 依赖（一系列依赖 jar 包和一系列 properties 配置）、及一些压测配置（PTS 压测的配置，例如公网/VPC 压测、并发量、引擎数量、压测时长等）。
2、压测场景：对场景的 *** 作分为两方面，一是对场景配置的增删改查，二是对场景的压测和调试。
3、生成报告：每次对场景压测都会生成一个压测任务，同时生成一个报告，其中包括压测的关键指标，如 TPS、RT、成功率等，可辅助用户排查系统性能瓶颈。此外，PTS 默认将报告保存 30 天，可以随时查看历史报告，并且提供导出 PDF 格式的报告。
在压测领域，随着压测需求日益多样化，更多用户希望将云上的压测能力继承到自己的系统，或者根据自己的业务系统，编排自定义的压测平台，从而实现自动化定制化压测需求。
所以，为了方便用户便捷调度 PTS 百万并发的能力，PTS 开通了 JMeter 的 OpenAPI，提供了如下几类压测的核心功能：编辑场景、调试场景、压测场景、查看运行时数据、查看报告。
通过集成 OpenAPI，客户可以更加方便的在自己的业务场景实现 PTS 百万级并发压测的能力，实现场景的增、删、改、查等各种 *** 作，一键启动压测，并在压测过程中，随时停止压测。同时生成的压测报告中，除了JMeter 原生的日志外，还有 PTS 针对某个采样器的成功率、TPS、RT 指标的聚合数据。另外还可以对报告进行查看报告列表、JMeter 原生日志以及 PTS 对 JMeter 采样器压测指标的聚合数据等功能。
那么还等什么呢？来，试着用 PTS 中 JMeter 的 OpenAPI 写一个属于你的百万级并发压测能力的压测平台吧！
附录：
具体步骤如下
引入 pom 依赖复制下列代码com.aliyun pts-api-entity1.0.1 com.aliyun pts202010201.8.10 com.aliyun aliyun-java-sdk-core4.5.2
import com.aliyun.pts20201020.Client;
import com.aliyun.pts20201020.models.*;
import com.aliyun.teaopenapi.models.Config;
import java.util.ArrayList;
import java.util.List;
import java.util.Map;
public class StartingDemo {
public static void main(String[] args) throws Exception {
Client client = getClient();
// 创建场景
String sceneId = createScene(client);
// 启动场景
String reportId = startTesting(client, sceneId);
// 最多等待次数
int count = 0;
// 查询是否已生成报告
while (!hasReport(client, reportId) && count++ < 20) {
// 若报告还未生成，则等待(30s)一段时间再查询
// 根据压测时间酌情等待
Thread.sleep(30 * 1000);
}
// 查看报告
getJMeterReport(client, reportId);
}
private static boolean hasReport(Client client, String reportId) throws Exception {
ListJMeterReportsRequest request = new ListJMeterReportsRequest();
// 分页设置
request.setPageNumber(1);
request.setPageSize(1);
// 查询条件设置
request.setReportId(reportId);
ListJMeterReportsResponse response = client.listJMeterReports(request);
return response.getBody().getReports().size() > 0;
}
private static void getJMeterReport(Client client, String reportId) throws Exception {
// 查看机器日志
GetJMeterLogsResponse getJMeterLogsResponse = getJMeterLogs(client, reportId);
List> logs = getJMeterLogsResponse.getBody().getLogs();
// 查看采样器聚合数据
GetJMeterSampleMetricsResponse getJMeterSampleMetrics = getJMeterSampleMetrics(client, reportId);
List sampleMetricList = getJMeterSampleMetrics.getBody().getSampleMetricList();
// 查看采样日志
GetJMeterSamplingLogsResponse getJMeterSamplingLogs = getJMeterSamplingLogs(client, reportId);
List sampleResults = getJMeterSamplingLogs.getBody().getSampleResults();
}
private static GetJMeterSamplingLogsResponse getJMeterSamplingLogs(Client client, String reportId) throws Exception {
GetJMeterSamplingLogsRequest request = new GetJMeterSamplingLogsRequest();
// 分页设置
request.setPageNumber(1);
request.setPageSize(10);
// 条件设置
request.setReportId(reportId);
GetJMeterSamplingLogsResponse response = client.getJMeterSamplingLogs(request);
return response;
}
private static GetJMeterSampleMetricsResponse getJMeterSampleMetrics(Client client, String reportId) throws Exception {
GetJMeterSampleMetricsRequest request = new GetJMeterSampleMetricsRequest();
// 设置报告id
request.setReportId(reportId);
GetJMeterSampleMetricsResponse response = client.getJMeterSampleMetrics(request);
return response;
}
private static GetJMeterLogsResponse getJMeterLogs(Client client, String reportId) throws Exception {
GetJMeterLogsRequest request = new GetJMeterLogsRequest();
// 分页设置
request.setPageNumber(1);
request.setPageSize(10);
// 查询的压测引擎索引
request.setReportId(reportId);
GetJMeterLogsResponse response = client.getJMeterLogs(request);
return response;
}
private static String startTesting(Client client, String sceneId) throws Exception {
StartTestingJMeterSceneResponse startTestingSceneResponse = startTestingScene(client, sceneId);
String reportId = startTestingSceneResponse.getBody().getReportId();
return reportId;
}
private static StartTestingJMeterSceneResponse startTestingScene(Client client, String sceneId) throws Exception {
StartTestingJMeterSceneRequest request = new StartTestingJMeterSceneRequest();
request.setSceneId(sceneId);
StartTestingJMeterSceneResponse response = client.startTestingJMeterScene(request);
return response;
}
private static String createScene(Client client) throws Exception {
SaveOpenJMeterSceneRequest request = new SaveOpenJMeterSceneRequest();
// 定义场景
SaveOpenJMeterSceneRequest.SaveOpenJMeterSceneRequestOpenJMeterScene scene = new SaveOpenJMeterSceneRequest.SaveOpenJMeterSceneRequestOpenJMeterScene();
// 设置场景名
scene.setSceneName("test");
// 设置文件列表，包括JMeter脚本、JMeter压测依赖jar包、配置额度数据文件等
List fileList = new ArrayList();
// 设置文件的属性 需要设置文件的名称和文件公网可访问的oss地址
SaveOpenJMeterSceneRequest.SaveOpenJMeterSceneRequestOpenJMeterSceneFileList testFile = new SaveOpenJMeterSceneRequest.SaveOpenJMeterSceneRequestOpenJMeterSceneFileList();
testFile.setFileName("baidu.jmx");
testFile.setFileOssAddress("https://pts-openapi-test.oss-cn-shanghai.aliyuncs.com/baidu.jmx");
fileList.add(testFile);
scene.setFileList(fileList);
// 设置场景并发，可设置为100万
scene.setConcurrency(1000000);
// 设置引擎数量 说明：一台引擎最多能发500并发，最少1并发所以此处能设置的引擎数为[2,1000]，另外引擎数量越多消耗vum越快
scene.setAgentCount(2000);
// 设置压测持续时间 60s
scene.setDuration(60);
// 设置测试文件的名称，这个文件需包括在文件列表中
scene.setTestFile("baidu.jmx");
request.setOpenJMeterScene(scene);
SaveOpenJMeterSceneResponse response = client.saveOpenJMeterScene(request);
return response.getBody().getSceneId();
}
private static Client getClient() throws Exception {
// 填写自己的AK/SK
String accessKeyId = "ak";
String accessKeySecret = "sk";
Config config = new Config();
config.setAccessKeyId(accessKeyId);
config.setAccessKeySecret(accessKeySecret);
Client client = new Client(config);
return client;
}
}
填写自己的 ak/sk
在上述代码的 getClient 中填写正确的 ak/sk
点击启动点击 main 方法启动
点击此处，前往 PTS 官网了解更多详情！
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）