【手把手】光説不練假把式,這篇全鏈路壓測實踐探索

語言: CN / TW / HK

Hello,大家好呀,前兩篇文章,我們説了下關於全鏈路壓測的意義、整體架構,以及5種壓測的方案。

前面兩篇基本都屬於比較理論的內容,今天這篇咱們來點實踐的東西,手把手帶你搞出一個壓測來

如果不清楚之前兩篇的文章的小夥伴,可以先看下,在這裏

7 環境準備

7.1 環境服務列表

需要在虛擬機或者linux服務器啟動運行環境

服務 ip 端口 備註
mysql 172.18.0.10 3306 數據庫服務
rabbitMQ 172.18.0.20 5672,5672 RabbitMQ消息服務
redis 172.18.0.30 6379 Redis緩存服務
nacos 172.18.0.40 8848 微服務註冊中心
skywalking 172.18.0.50 1234,11800,12800 鏈路追蹤APM服務端
skywalking-ui 172.18.0.60 8080 鏈路追蹤APM服務UI端

7.2 應用服務列表

應用服務可以單獨部署或者在idea中啟動

服務 ip 端口 備註
order-service 127.0.0.1 8001 訂單服務
account-service 127.0.0.1 8002 賬户服務
storage-service 127.0.0.1 8003 數據存儲服務
notice-service 127.0.0.1 8004 通知服務

7.3 docker-compose 編排環境

我們的docker-compose只對環境進行了搭建,具體微服務在本地運行或者在容器運行都可以。

version: '2'
services:
    mysql:
        image: mysql:5.7
        hostname: mysql
        container_name: mysql
        networks:
            docker-network:
                ipv4_address: 172.18.0.10
        ports:
            - "3306:3306"
        environment:
            MYSQL_ROOT_PASSWORD: root
        volumes:
            - "/tmp/etc/mysql:/etc/mysql/conf.d"
            - "/tmp/data/mysql:/var/lib/mysql"
    rabbitMQ:
        image: rabbitmq:management
        hostname: rabbitMQ
        container_name: rabbitMQ
        networks:
            docker-network:
                ipv4_address: 172.18.0.20
        ports:
            - "5672:5672"
            - "15672:15672"
    redis:
        image: redis
        hostname: redis
        container_name: redis
        networks:
            docker-network:
                ipv4_address: 172.18.0.30
        ports:
            - "6379:6379"
        volumes:
            - "/tmp/etc/redis/redis.conf:/etc/redis/redis.conf"
            - "/tmp/data/redis:/data"
        command:
           redis-server /etc/redis/redis.conf
    nacos:
        image: nacos/nacos-server
        hostname: nacos
        container_name: nacos
        depends_on:
            - mysql
        networks:
            docker-network:
                ipv4_address: 172.18.0.40
        ports:
           - "8848:8848"
        environment:
            MODE: standalone
        volumes:
            - "/tmp/etc/nacos/application.properties:/home/nacos/conf/application.properties"
    skywalking:
        image: apache/skywalking-oap-server
        hostname: skywalking
        container_name: skywalking
        networks:
            docker-network:
                ipv4_address: 172.18.0.50
        ports:
           - "1234:1234"
           - "11800:11800"
           - "12800:12800"
    skywalkingui:
        image: apache/skywalking-ui
        hostname: skywalkingui
        container_name: skywalkingui
        depends_on:
            - skywalking
        networks:
            docker-network:
                ipv4_address: 172.18.0.60
        environment:
            SW_OAP_ADDRESS: 172.18.0.50:12800
        ports:
           - "8080:8080"
networks:
    docker-network:
        ipam:
            config:
                - subnet: 172.18.0.0/16
                  gateway: 172.18.0.1

7.4 初始化數據

  1. 初始化用户數據以及產品數據
  2. 將feign,hystrix,ribbon等統一配置配置到nacos

    # 配置超時時間
    feign:
      hystrix:
        enabled: true  #開啟熔斷
      httpclient:
        enabled: true
    hystrix:
      threadpool:
        default:
          coreSize: 50
          maxQueueSize: 1500
          queueSizeRejectionThreshold: 1000
      command:
        default:
          execution:
            timeout:
              enabled: true
            isolation:
              thread:
                timeoutInMilliseconds: 60000
    ribbon:
      ConnectTimeout: 10000
      ReadTimeout: 50000

8 全鏈路壓測測試

8.1 jmeter配置

配置好壓測數據,並且配置壓測線程數1000 進行10輪壓測

8.2 第一輪壓測

8.2.1 鏈路分析優化

我們找到一個調用時長1S左右的鏈路,分析發現在存儲服務調用時,耗時較長,但是數據庫調用耗時並不長,基本説明是存儲服務的連接池耗盡導致調用過長。

8.2.2 數據庫連接池優化

調整存儲服務的連接池,由原來的最大10 改為100

initialSize: 10
minIdle: 20
maxActive: 100

8.3 第二輪壓測

結果已經由原來的服務內部的耗時 變為了fegin的耗時,這種情況下可以考慮使用fegin的連接池優化或者新增節點

8.3.1 觀察消費節點

發現消費速度很慢,產生了大量消息堆積

檢查 storage-serviceactualPlaceOrder 端點信息

發現平均響應時間在200ms左右

檢查斷點鏈路 /storage/order/actualPlaceOrder

發現是事務提交慢造成的,這個時候就需要優化mysql服務器了

9 Skywalking 使用

9.1 Skywalking 模塊欄目

Skywalking web UI 主要包括如下幾個大的功能模塊:

  • 儀表盤:查看被監控服務的運行狀態
  • 拓撲圖:以拓撲圖的方式展現服務直接的關係,並以此為入口查看相關信息
  • 追蹤:以接口列表的方式展現,追蹤接口內部調用過程
  • 性能剖析:單獨端點進行採樣分析,並可查看堆棧信息
  • 告警:觸發告警的告警列表,包括實例,請求超時等。
  • 自動刷新:刷新當前數據內容。

9.2 儀表盤

  • 第一欄:不同內容主題的監控面板,應用/數據庫/容器等
  • 第二欄:操作,包括編輯/導出當前數據/倒入展示數據/不同服務端點篩選展示
  • 第三欄:不同緯度展示,服務/實例/端點

9.3 展示欄

9.3.1 Global全局維度

  • 第一欄:Global、Server、Instance、Endpoint不同展示面板,可以調整內部內容
  • Services load:服務每分鐘請求數
  • Slow Services:慢響應服務,單位ms
  • Un-Health services(Apdex):Apdex性能指標,1為滿分。
  • Global Response Latency:百分比響應延時,不同百分比的延時時間,單位ms
  • Global Heatmap:服務響應時間熱力分佈圖,根據時間段內不同響應時間的數量顯示顏色深度
  • 底部欄:展示數據的時間區間,點擊可以調整。

9.3.2 Service服務維度

  • Service Apdex(數字):當前服務的評分
  • Service Apdex(折線圖):不同時間的Apdex評分
  • Successful Rate(數字):請求成功率
  • Successful Rate(折線圖):不同時間的請求成功率
  • Servce Load(數字):每分鐘請求數
  • Servce Load(折線圖):不同時間的每分鐘請求數
  • Service Avg Response Times:平均響應延時,單位ms
  • Global Response Time Percentile:百分比響應延時
  • Servce Instances Load:每個服務實例的每分鐘請求數
  • Show Service Instance:每個服務實例的最大延時
  • Service Instance Successful Rate:每個服務實例的請求成功率

9.3.3 Instance實例維度

  • Service Instance Load:當前實例的每分鐘請求數
  • Service Instance Successful Rate:當前實例的請求成功率
  • Service Instance Latency:當前實例的響應延時
  • JVM CPU:jvm佔用CPU的百分比
  • JVM Memory:JVM內存佔用大小,單位m
  • JVM GC Time:JVM垃圾回收時間,包含YGC和OGC
  • JVM GC Count:JVM垃圾回收次數,包含YGC和OGC
  • CLR XX:類似JVM虛擬機,這裏用不上就不做解釋了

9.3.4 Endpoint端點(API)維度

  • Endpoint Load in Current Service:每個端點的每分鐘請求數
  • Slow Endpoints in Current Service:每個端點的最慢請求時間,單位ms
  • Successful Rate in Current Service:每個端點的請求成功率
  • Endpoint Load:當前端點每個時間段的請求數據
  • Endpoint Avg Response Time:當前端點每個時間段的請求行響應時間
  • Endpoint Response Time Percentile:當前端點每個時間段的響應時間佔比
  • Endpoint Successful Rate:當前端點每個時間段的請求成功率

9.4 拓撲圖

  • 1:選擇不同的服務關聯拓撲
  • 2:查看單個服務相關內容
  • 3:服務間連接情況
  • 4:分組展示服務拓撲

9.5 追蹤

  • 左側:api接口列表,紅色-異常請求,藍色-正常請求
  • 右側:api追蹤列表,api請求連接各端點的先後順序和時間

9.6 性能剖析

  • 服務:需要分析的服務
  • 端點:鏈路監控中端點的名稱,可以再鏈路追蹤中查看端點名稱
  • 監控時間:採集數據的開始時間
  • 監控持續時間:監控採集多長時間
  • 起始監控時間:多少秒後進行採集
  • 監控間隔:多少秒採集一次
  • 最大采集數:最大采集多少樣本

查看監控結果

如果本文對您有幫助,歡迎 關注點贊 `,您的支持是我堅持創作的動力。

轉載請註明出處!