MeterSphere在开源压测工具JMeter上的分布式优化和实践

Apache JMeter是一款100%纯Java的开源软件,旨在加载测试功能行为和测量性能。它可以用来测试静态和动态资源的性能,例如静态文件、Java Servlet、CGI Scripts、Java Object、数据库和FTP服务器等。JMeter可以用于模拟大量负载来测试一台服务器、网络或者对象的健壮性或者分析不同负载下的整体性能。相比于其他的性能测试软件,JMeter具备以下优势:

■ 开源:JMeter是一款开源的免费软件,支持多种协议的接口和性能测试;

■ 轻量级:JMeter的软件包小巧轻量,只需要在JDK环境下就可以运行,无需其他额外的部署安装(单机版);

■ 功能强大:JMeter设计之初只是一个简单的Web性能测试工具,但经过不断地更新扩展,现在可以完成数据库、FTP、LDAP、WebService等方面的测试。基于JMeter自身的开源性,用户可以根据自己的需求扩展其功能。

JMeter分布式性能压测方案的局限性

近几年,随着互联网+、在线电商等在线化业务的发展,性能测试也逐渐成为企业高频测试的类型之一。JMeter作为运用最为广泛的开源性能压测工具,已经被很多企业运用至实际的环境中。

但是JMeter的单机版本在一般的压力机配置下,因为受限于JMeter其本身的机制和硬件配置,最多可以支持几百至一千左右的模拟请求线程。规模再次扩充后,容易造成卡顿、无响应等情况。有时候,企业为了尽量模拟业务场景,需要模拟大量的并发请求,这时JMeter单台压力机就显得有心无力。

针对这个情况,JMeter的解决方案是支持分布式性能压测,即将大量的模拟并发分配给多台压力机,来满足这种大流量的并发请求场景。JMeter原生的分布式性能压测方案原理如下:

  1. 在分布式测试中,选择一台机器作为主控机(Controller),其他的机器作为测试执行的从机(Agent);

  2. 执行测试时,由Controller通过命令行将测试脚本发给Agent,然后由Agent执行测试,同时将测试结果发送给Controller;

  3. 测试完成后,可以在Controller上的监听器中看到Agent发来的测试结果,结果为多个Agent的测试结果汇总而成。

不过,JMeter原生的主从方案虽能够支持大并发的压测需求,但是其方案也存在一定的局限性,具体表现在以下几个方面:

  1. JMeter主从方案部署繁琐。除了为了确保Controller和Agent机器在同一个子网内,还需要保证JMeter版本、Java版本、插件版本的一致性;

  2. 如果JMeter压测需要用到CSV或者额外的JAR包等,需要在每台Agent上复制一份,并且保证所有的路径配置一致;

  3. 如果JMeter压测的CSV需要每台Agent压测机读取的数据不一样,则需要人为提前进行切分、裁剪和放置;

  4. JMeter压测时依赖的JAR包、JMX文件、压测报告等,都是在本地保存和管理的,无法统一管理和留存,管理上会造成不便和混乱;

  5. JMeter压测时通过插件可以覆盖基础的CPU、内存等监控,但是无法覆盖应用级别的监控,例如MySQL连接数、JVM使用等,无法支持用户自定义监控。

MeterSphere基于JMeter分布式性能压测的优化

鉴于JMeter分布式性能压测方案存在上述短板,MeterSphere开源持续测试平台从技术和管理两个维度对JMeter的性能压测进行了优化,同时保证了对JMeter使用上的兼容性。与此同时,MeterSphere还支持调用Kubernetes环境和云环境进行压测,轻松支持高并发、大规模的性能测试。MeterSphere性能测试概览仪表盘如下图所示:

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第1张图片

MeterSphere分布式性能测试方案与涉及的组件如下(注:组件介绍参考MeterSphere官网链接:https://metersphere.io/docs/system_arch/):

■ Node Controller:为性能测试提供独立节点类型的测试资源池, 接收来自系统的性能测试任务, 动态地启动JMeter容器完成性能测试;

■ MySQL:MeterSphere项目的主要数据均存储在MySQL数据库;

■ Kafka:接收JMeter产生的性能测试结果数据;

■ Data Streaming:从Kafka中获取性能测试结果数据,处理后存入MySQL数据库;

■ Docker Engine:为Node Controller提供JMeter容器运行环境。

MeterSphere分布式性能压测方案的方案架构图如下图所示。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第2张图片

  1. 用户在MeterSphere界面设置性能压测参数(并发、时间、梯度、压测资源池、文件切分等);

  2. MeterSphere根据用户设置的压测配置参数,自动化选择资源池,分发压测脚本和文件,自动启动JMeter压测节点(通过Docker启动)进行压测;

  3. 压测节点根据分发的脚本与参数,实时或者本地计算后将压测数据推送至Kafka集群;

  4. Data Streaming集群实时消费Kafka集群中压测数据,然后再经过计算动态写入MySQL数据库中;

  5. 如配置了相关的Prometheus监控,MeterSphere在压测的同时会自动收集被压测端系统的性能监控数据;

  6. 压测结束后,所有的数据在数据库中保存,方便后续进行分析、分享和查询。

结合上述MeterSphere分布式压测方案原理,我们发现,MeterSphere分布式压测方案相对JMeter原生分布式压测方案具备以下几点优势:

  1. 管理方面的优势

■ 所有的压测脚本和依赖包,如JAR包等文件,都在MeterSphere进行统一的存储和管理,压测时由MeterSphere统一分发至不同的压测集群,并且支持分发时的CSV文件自动切分;

■ MeterSphere每次压测完成后,报告都会进行持久化存储,方便后续的查询、分享与分析使用,并在使用上支持对同一次的不同测试报告进行比对;

■ 支持团队、项目、人员、权限的管理。在一些大规模的性能测试中,有可能涉及到不同团队人员,比如运维人员、DBA、开发人员等,MeterSphere可以很好地进行不同团队人员的协同管理。

  1. 技术方面的优势

■ MeterSphere完全兼容JMeter的插件与协议栈,在MeterSphere中除了支持JMeter最常见的压测HTTP(HTTPS)协议外,还完全支持WebSocket、MQTT、FTP、SSH、数据库等方面的性能测试;

■ 所有的压测集群在收到MeterSphere压测任务时,都采用Docker自动启动JMeter,无需人为地部署JMeter机器,同时保证了所有压测节点的JMeter版本和Java环境的一致性;

■ 所有的JMeter压测主机无同一子网的网络依赖要求。基于这一特性,在MeterSphere中可以很容易地模拟不同地域的互联网流量访问,比如可以通过MeterSphere调度上海区域、杭州区域、北京区域等公有云的主机对目标系统进行压测;

■ 引入Kafka消息队列和Data Streaming计算集群,所有的压测数据不直接回传到MeterSphere,减轻了MeterSphere的压力(JMeter原生方案中压测数据是回传至主控机);

■ 内置集成Prometheus监控系统。在压测同时,用户可以自定义设置监控指标,除了常用的CPU、内存、磁盘等,同样可以支持MySQL连接数、JVM等监控指标;

■ 所有的组件(Kafka、Node Controller压测集群、Kubernetes压测集群、Data Streaming计算集群)都可以动态扩容扩展,当压测并发需要更高时可以动态扩容不同的组件,从而提升性能压测的并发能力。

MeterSphere分布式性能测试实践

  1. 部署MeterSphere平台

MeterSphere的平台部署方法可以参考官网(https://metersphere.io/docs/quick_start/quick_start/),官网给出了详细的一键部署脚本:

curl -sSL https://github.com/metersphere/metersphere/releases/latest/download/quick_start.sh | sh

  1. 部署分压测节点(Node-Controller)

部署分压测节点,可以先安装整个MeterSphere服务,然后对配置文件进行修改,具体操作如下:

① 安装MeterSphere:curl -sSL https://github.com/metersphere/metersphere/releases/latest/download/quick_start.sh | sh

② 停止服务:msctl down

③ 修改安装模式:vim /opt/metersphere/.env

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第3张图片

④ 启动服务:msctl reload

  1. 界面添加分压测节点

登录到MeterSphere平台,依次选择“系统设置”→“测试资源池”,编辑NODE-LOACL资源池,添加分压测节点并保存。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第4张图片

  1. 上传本地JMX压测脚本和依赖文件

① 依次选择“性能测试”→“测试”→“创建性能测试”。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第5张图片

② 选择“加载JMX文件”选项,建议JMX压测脚本中不要采用前后置脚本,以免影响性能测试的准确性。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第6张图片

如果压测的JMX脚本中包含依赖的文件、第三方插件或者自定义JAR包,需要修改JMX脚本中的地址为绝对路径。

常见需要修改的有两个地方,具体如下:

■ 测试计划中的JAR包目录

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第7张图片

■ CSV文件设置中的CSV地址

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第8张图片

③ 如果压测的JMX脚本中包含依赖的CSV文件,或者第三方插件或者JAR,需要同时选择“加载文件”选项进行上传。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第9张图片

  1. 设置压力测试参数

进入“压力配置”页面,此时可以设置相应的压测配置参数了(注意:此参数会覆盖JMeter线程组中的配置)。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第10张图片

分配策略默认为均分,如果要不同压测节点分摊不同压力的话,可以选择“自定义”分配方式。此分配方式可以自定义设置不同的压力分配权重。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第11张图片

  1. CSV切分与配置监控

如果压测的JMX脚本中包含依赖的CSV文件需要不同的压测节点以读取不同的数据,可以开启“高级配置”页面下的“CSVDataSet”选项,进行CSV自动化切分,参见下图:

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第12张图片

关于监控的配置和设计细节可以参考MeterSphere官方教程:https://blog.csdn.net/FIT2CLOUD/article/details/119673564。

此次添加的监控配置如下:

在这里插入图片描述

  1. 报告的查看、对比与分析

所有的配置完成后,选择“保存并执行”选项,MeterSphere会自动刷新与显示压测数据报告。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第13张图片

在压测的同时,可以通过后台查看,添加的分压测节点已经自动化运行JMeter容器进行压力测试。

在这里插入图片描述

MeterSphere生成的测试报告支持展示测试详情,在“测试详情”页面中可以选择不同的显示项和时间范围。一旦选择了时间范围,报告数值会按照选择时间范围进行重新计算。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第14张图片

在“监控详情”页面中,可以查看压测时被压测端的监控数据。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第15张图片

针对某一性能测试,可以在“报告对比”页面选择不同的报告,并进行对比分析。

MeterSphere在开源压测工具JMeter上的分布式优化和实践_第16张图片
MeterSphere在开源压测工具JMeter上的分布式优化和实践_第17张图片

总结

由此可见,MeterSphere开源持续测试平台的分布式性能压测相对于JMeter原生的分布式性能压测更适合测试团队和测试人员进行使用。

首先,MeterSphere的部署方案更简单,MeterSphere压测执行节点支持按需创建和安装,组件可以动态扩容,轻松支持大规模性能测试;

其次,MeterSphere更加易于管理,MeterSphere开源持续测试平台采用B/S架构设计,性能测脚本、性能测试任务和性能测试报告可以以项目、团队的维度进行有效隔离和分享协作。

你可能感兴趣的:(开源,持续测试,压测,性能测试,MeterSphere,JMeter)