我們面臨的挑戰(zhàn)

阿里的雙十一已經成為全球的超級工程了,在這個超級工程中，全鏈路壓測是很重要的一個環(huán)節(jié)。整個集團層面的全鏈路壓測，涉及到的BU和團隊非常多，對于這樣一個涉及多個團隊協(xié)作的事項,如何盡量的減少人員的投入,減少全鏈路壓測的次數(shù)，同時又能保證壓測能夠達到目標，成為一個必須要去突破的問題。

集團的全鏈路壓測主要涉及交易和導購兩部分。交易的全鏈路啟動比較早，相關的平臺，工具和流程經過幾年的沉淀，已經比較成熟,形成了較為穩(wěn)定的體系。導購的全鏈路壓測，因為導購業(yè)務的特殊性，例如入口流量存在較多的不確定性，系統(tǒng)之間的調用錯綜復雜，加上導購的業(yè)務，日常態(tài)和大促態(tài)差異比較明顯等。

以上是經過抽象之后的導購的全鏈路壓測模型，實際的模型，會更復雜，入口的分散，系統(tǒng)之前的互相依賴等，如下圖顯示。

另外導購的全鏈路壓測2016年才啟動，還沒能夠形成體系。針對這些問題和挑戰(zhàn)，2017年，我們通過構建一站式的全鏈路管理平臺。克服了上述的問題，取得了良好的效果。

在2017年導購的全鏈路壓測啟動之前，我們先回顧了過去導購全鏈路壓測經歷過的問題。

1. 壓測的人力消耗已經越來越不可管控，全鏈路壓測導購人力消耗，150人，雙十一當天1000人，如何減少人力已經成為迫在眉睫的事情

2. 應用多，入口分散，每次壓測都需要調整流量模型，頻繁的調整對收口業(yè)務的穩(wěn)定性帶來了較大壓力

3. 無歷史參考數(shù)據(jù)，換一撥人很多歷史經驗無法沉淀，造成人力的巨大浪費

4. 上下游流量人肉的收集與管控，導購場景相互之間網狀調用，造成長期流量評估的巨大誤差

5. 無壓測性能過程管控，研發(fā)人員一有性能問題***反應就是要機器

針對這些問題，我們構建了一站式的全鏈路壓測平臺。以下是平臺核心功能,主要包括壓測構造、壓測執(zhí)行(偏監(jiān)控)、分析問題和定位。

壓測構造

導購的全鏈路壓測，壓測需求的構造，是很重要的一個環(huán)節(jié)，對壓測結果的準確性有很重要的影響，同時也需要不小的工作量。2017年，我們在壓測構造方面提供了以下的豐富的能力

(1)數(shù)據(jù)工廠:提供快速構建壓測數(shù)據(jù)，支持多種類型和靈活的參數(shù)構建規(guī)則，并實現(xiàn)了壓測數(shù)據(jù)在關聯(lián)系統(tǒng)之間的共享，降低了壓測數(shù)據(jù)準備的工作量提高了壓測數(shù)據(jù)的準確性

(2). 壓測流量模型和需求: 導購的流量存在多單元入口,以及入口流量的不確定性，這對壓測需求的構建有一定的影響。2017年，我們通過構建壓測流量模型。并以此作為基礎，直接一鍵構建壓測需求，并支持壓測需求的批量更新，合并，復制，需求內鏈路壓測數(shù)據(jù)之間的共享等，大大降低了壓測需求構建的工作量。

流量模型梳理

近1000個鏈路場景，系統(tǒng)與系統(tǒng)之間存在互相調用，系統(tǒng)流量之間存在千絲萬縷的聯(lián)系，給核心系統(tǒng)的業(yè)務評估帶來了巨大的挑戰(zhàn)。評估流量模型的時候很容易產生遺漏，也容易產生評估的偏差。OPM可以實時錄入線上流量，產生流量調用比例圖(如上圖所示)，當入口流量確定時，可以協(xié)助用戶梳理整體流量，為流量的梳理提供幫助

在這個基礎上，我們增加了導購全鏈路壓測的全局視角，通過提供以下的能力,達到全鏈路壓測的一體化。

1.任務管控：可以管控導購全鏈路壓測的所有應用鏈路，包含壓測需求、壓測鏈路、流量模型、并提供了全局流量視圖。對導購的全鏈路壓測的全貌，可以實時查看。達到對整個壓測的可視化

2. 進度和變更管控：通過和ebay的協(xié)作，對全鏈路壓測的時間進度，壓測變更，等進行管控，使得整個壓測的過程，有條不紊的進行。

壓測執(zhí)行時

導購的全鏈路壓測，涉及到的應用比較多，要關注的點比較多，例如入口流量是否正確,各單元的流量比例是否正確，是否有跨單元調用,實際壓測流量和預設值是否一致等等。借助現(xiàn)有的監(jiān)控還滿足不了。為此，2017年，我們在壓測執(zhí)行時的全局監(jiān)控方面進行了一些努力。除去集團監(jiān)控實現(xiàn)的功能外，OPM還提供了以下的全局視圖。

1. 壓測大盤：實時展現(xiàn)壓測流量，包括入口流量，各單元的流量,壓測流量與預估值的實時對比等，可以全局監(jiān)控導購的流量是否符合預期

2. 全局系統(tǒng)監(jiān)控大盤：系統(tǒng)指標(cpu、load、網絡等)、服務指標(rt、qps、超時等)、上下游調用量等，可以很直觀的發(fā)現(xiàn)整個全鏈路中，性能瓶頸在哪個應用上。

3. 運維狀態(tài)大盤：系統(tǒng)監(jiān)控、業(yè)務監(jiān)控、預案、限流。

上述的全局視圖，除了在壓測執(zhí)行的過程中可以實時查看，OPM也提供了快照的功能,持久化在平臺中，可以重新進行分析和查看

分析定位

OPM通過整合集團內的各監(jiān)控平臺，構建了分析定位性能問題的基礎，

1. 變更分析：全鏈路壓測性能出現(xiàn)問題時，我們首先想回到壓測的那個時刻，了解當時執(zhí)行了什么變更?推送了什么配置?當時的性能快照是什么?OPM提供實時快照能力，實時記錄時間的所有變更，為后續(xù)性能的分析提供數(shù)據(jù)支持。系統(tǒng)變更聚合展示，可以快速定位出性能的變化與系統(tǒng)變化之間的關聯(lián)。

2. 性能快照：系統(tǒng)性能快找，通過自定義的性能快照采集和生成，方便事后對過去任意時間系統(tǒng)狀態(tài)進行查詢和分析

2017年的新嘗試--構建性能基線

2017年，我們針對導購的核心應用，啟動了構建性能基線的計劃。通過周期性的在隔離環(huán)境進行基線壓測，及時發(fā)現(xiàn)應用的性能問題，盡早發(fā)現(xiàn)，盡早解決，避免了性能問題遺留到大促前，大大降低了系統(tǒng)的性能風險。

隔離環(huán)境(強調性能基線) 何在白天不干擾線上業(yè)務進行常態(tài)化的集群壓測一直是性能基線的難點，opm提供隔離環(huán)境，使線上集群壓測能夠常態(tài)化的進行。

首先系統(tǒng)系統(tǒng)自動化的隔離一堆機器，隔離的環(huán)境與線上系統(tǒng)邏輯隔離，壓測流量自動引流至隔離環(huán)境。當壓測結束時，隔離機器自動歸還給線上環(huán)境，一鍵恢復

性能基線與趨勢： 通過持續(xù)的基線壓測和基線管理，可以全局查看應用的性能以及變化趨勢，并對基線壓測過程中發(fā)現(xiàn)的問題進行跟蹤和解決。使應用的性能瓶頸在日常的基線壓測就發(fā)現(xiàn)和解決，避免了再大促全鏈路壓測時才發(fā)現(xiàn)，降低了系統(tǒng)的風險。

2017年，我們取得的效果

1. 人力成本：從之前多個人協(xié)同負責一個系統(tǒng)壓測，開始轉變成一個人可以慢慢負責一條鏈路的壓測

2. 壓測準備時長：從每次壓測需要提前幾天的準備到隨時隨刻可以進行全鏈路壓測

3. 不確定性到確定性：下游業(yè)務每次評估壓測流量從收集信息，靠猜的不確定性到系統(tǒng)給出結果流量的確定性

適用場景

1.適用壓測模型：入口分散，有統(tǒng)一收口的壓測模型

2. 隔離環(huán)境與性能基線：常態(tài)化的支撐線上性能壓測

3. 復雜系統(tǒng)的流量模型管控：壓測鏈路上千場景的流量模型管控