简介:本文首先介绍了task配置文件中各参数含义,其次分析了rally运行task的代码逻辑,即对应命令行命令:rally task start --task xxx.json。最后分析rally实际测试的场景代码。
Rally本身提供了一些task配置文件,用于提供测试用例中所需的信息包括场景测试中所传入的参数、运行方式是并行还是串行,context等信息。Rally本身提供的task 配置文件在rally/samples/task/scenarios/目录下。
# Rally task start boot-and-delete.json { "NovaServers.boot_and_delete_server": [ { "args": { ... }, "runner": { ... }, "context": { “users”:{} //generating temporary users/tenants for benchmarks. “networks”:{}... }, "sla": { "max_seconds_per_iteration": 10, "failure_rate": { "max": 25 } } } ] } |
其中,args提供测试用例使用的类型方法的参数,context提供运行测试用例的上下文环境变量信息,包括模拟几个用户同时测试、租户情况等;quotas指定测试中涉及到资源的配额限制,runner提供测试的运行器情况,比如,并发测试、串行测试,等等。
Rally支持的runner方式:
rally目前支持4种runner类型,通过task配置文件中runner参数进行区分,包括:constant、constant_for_duration、rps、serial。
1、 constant方式,是利用multiprocessing的Pool方式创建一个进程池,池中的进程数量等于runner的配置参数concurrency,执行每个task时,由池中的所有进程同时测试、模拟多用户并发访问的情况。constant方式中要求提供参数times,用于指定一个task中执行测试用例的次数。
2、 constant_for_duration方式,与constant相似,也是构建一个进程池实现并发测试,区别在于,constant_for_duration方式要求额外提供一个参数duration,但是没有参数times。该参数用于指明执行测试的时间, rally一直执行task指定的测试用例,直到达到duration规定的时间长度,任务结束;
3、 rps方式,测试任务平均分配到每个processer上,通过对每个process创建thread实现高并发测试。不同于前两种方式(使用multiprocessing.Pool 构建进程池),rps方式使用multiprocessing.Process构建执行task的worker,每个worker执行测试次数的总和是配置中的times,每个worker的rps总和是配置中rps。workers的数量由times和运行rally测试的主机上实际processer数量的最小值确定,times平均分配到每个worker上。
4、 serial方式,是使用一个process串行的执行测试。
1. 由命令行发起start_task的任务请求:
a) 命令行命令:rally task start --task test.json--deployment deployment_uuid --tag task_tag。其中,
b) --task参数必选参数,无默认值(必须输入),后跟的test.json对应执行task的配置文件路径;
c) --deployment必选参数,有默认值(可以不输入),用于指定使用rally哪一个部署,如果不指定该参数,自动使用默认的deployment();
d) --tag可选参数,用于为当前的task设置标签(task执行完成后,可以根据标签进行过滤)
e) 命令行执行task的代码:
cmd.commands.task.TaskCommands.start_task
在task执行完成之后,汇总result信息,并打印输出
1、创建的engine对象执行run方法:
l Task validation
验证配置中提供的待测试方法是scenario方法;
验证配置文件中的context配置项是否正确;
验证配置文件的句法正确;
l 遍历配置文件中的每个待测试scenario类型方法
遍历每个待测试scenario类型方法的配置,执行测试。
l get-runer()获得配置中的runner对象
l prepare_context()准备测试运行中使用的context,在配置文件提供context基础上补充:task、admin、scenario_name等属性。
l 执行runer对象的_run_scenario方法,以ConstantScenarioRunner类型(配置文件中runner的type设置成constant)为例。从配置中获得timeout、concurrency、times等参数。创建multiprocessing的处理池,processor的数量是concurrency,按照配置中指定的测试次数生成benchmark.runners.base._run_scenario_once方法的测试序列。
依次执行上一步生成序列中的测试,每个测试即为对目标scenario类型方法的依次调用,并对执行结果进行统计相应统计。返回测试的运行时间,等待线程执行完成后,终止线程。
Rally完成每个场景的测试是通过相应client调用openstack API操作。
以下举例分析场景create_and_list_networks函数。在执行函数之前会有一些validation装饰器。
1、validation.required_openstack
验证scenario类型方法运行时对于用户角色(admin/user)的要求是否得到满足,如果要求admin用户执行task,则在装饰器参数中提供admin=True,如果要求普通用户身份执行,提供users=True,默认两个值都是False。使用此装饰器,上述两个参数至少提供一个为True。检验过程中会查询当前deployment的配置,是否提供scenario要求的用户角色。
2、validation.required_services
检验执行scenario类型方法测试时,要求的openstack service是否可用,使用装饰器时,要求在参数中提供待检验的Service名称,并且名称的书写必须包含在constants._Service所定义服务的范围内;此外,检验时,通过openstackclient查询services列表,待检查的服务应在services列表中;否则验证失败。
3、scenario.configure
用于设置待测试方法的is_scenario和context属性,分别用于支持task的validate过程,以及通过在context中增加cleanup参数,实现测试后清理环境。
class NeutronNetworks(utils.NeutronScenario): """Benchmark scenarios for Neutron.""" @validation.required_services(consts.Service.NEUTRON) @validation.required_openstack(users=True) @scenario.configure(context={"cleanup": ["neutron"]})
def create_and_list_networks(self, network_create_args=None): """Create a network and then list all networks.
Measure the "neutron net-list" command performance.
If you have only 1 user in your context, you will add 1 network on every iteration. So you will have more and more networks and will be able to measure the performance of the "neutron net-list" command depending on the number of networks owned by users.
:param network_create_args: dict, POST /v2.0/networks request options """ self._create_network(network_create_args or {}) self._list_networks()
|
参考文档:http://rally.readthedocs.io/en/latest/tutorial.html