最早提到接口测试的优点时,有一个就是执行效率提升,可能是UI层面执行的N倍。但是今天我要分享的这个案例这个优点的升级版本。
某个接口参数倒是不多,但是每个参数的范围略大,最大的将近500个枚举范围,小的也是20个。如果把所有参数组合穷举完,粗略估计可能10亿级别的。
需求就是要把这部分所有参数组合都遍历进行测试,然后我就开始了踩坑了。
初版方案
一开始的想法就是多个循环嵌套,然后并发发起请求,实现起来非常简单方便。如下:
@Log4j2class TT extends MonitorRT { static void main(String[] args) { ["types参数集合"].each { def type = it ["id类型集合"].each { def id = it 2.upto(99) { def a = it 2.upto(99) { def b = it 2.upto(99) { def c = it def params = new JSONObject() params.id = id params.endTime = 0 params.type = type params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}") fun { getHttpResponse(getHttpGet(url,params)) } } } } } } }}
但是方案的缺陷显而易见。
- 数量太大,导致后面的异步任务直接被线程池拒绝
- 无法控制QPS和并发数
针对这第一个问题,我是增加了异步线程池等待队列的长度,可以我发现了新的问题,就是内存压力太大,这个会在后面的中也遇到。
升级版
针对存在第二个问题,我回归到性能测试框架中,通过动态调整QPS的功能来调整QPS或者并发数,这里我选择了QPS,这个更容易更可控。我的思路是,先把所有参数遍历一遍,存在一个List当中,然后在去遍历这个List,通过动态QPS压测模型把所有请求发出去。
static void main(String[] args) { def list = [] ["types参数集合"].each { def type = it ["id类型集合"].each { def id = it 2.upto(99) { def a = it 2.upto(99) { def b = it 2.upto(99) { def c = it def params = new JSONObject() params.id = id params.endTime = 0 params.type = type params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}") } } } } } AtomicInteger index = new AtomicInteger() def test = { def increment = index.getAndIncrement() if (increment >= list.size()) FunQpsConcurrent.stop() else getHttpResponse(getHttpGet(url, list.get(increment))) } new FunQpsConcurrent(test,"遍历10亿参数组合").start() }
但是新的问题立马就来了,当我运行改代码的时候,发现本机的CPU疯狂飙升,仔细看了一下,原来是GC导致的。存放这么多的数据,内存撑不住了。下面就着手解决内存的问题,这里参考10 亿条日志回放chronicle性能测试中的思路。
终版
这里用到了线程安全的队列java.util.concurrent.LinkedBlockingQueue以及对应长度的等待功能,再配合异步生成请求参数,基本上完美解决需求。这里依旧使用休眠1s来进行缓冲,避免队列长度过大,只有队列长度足够1s的2倍消费即可。
static void main(String[] args) { def ps = new LinkedBlockingQueue() fun { ["types参数集合"].each { def type = it ["id类型集合"].each { def id = it 2.upto(99) { def a = it 2.upto(99) { def b = it 2.upto(99) { def c = it def params = new JSONObject() params.id = id params.endTime = 0 params.type = type params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}") if (ps.size() > 10_0000) sleep(1.0) ps.put(params) } } } } } } AtomicInteger index = new AtomicInteger() def test = { def params = ps.poll(100, TimeUnit.MILLISECONDS) if (params == null) FunQpsConcurrent.stop() else getHttpResponse(getHttpGet(url, params)) } new FunQpsConcurrent(test, "遍历10亿参数组合").start() }
随着对队列的学习和使用,最近自己也想写一个10亿级别的日志回放功能,到时候对比chronicle看看性能如何,敬请期待。
版权声明:内容来源于互联网和用户投稿 如有侵权请联系删除