PTS 3.0：可观测加持的下一代性能测试服务
大家好，我是来自阿里云云原生应用平台的肖长军，花名穹谷，我此次分享的主题是《可观测加持的下一代性能测试服务》。提到性能测试大家并不陌生，性能测试已成为评估系统能力、识别系统弱点、进行系统调优，验证系统稳定性等的重要手段。
我们一般进行性能测试的大概流程就是构造数据，配置场景，发起压测，出压测结果，但测试同学也清楚性能测试并不是这么简单，我们还面临着以下问题：
一、压测前的影响范围评估，如何准确地掌控压测的爆炸半径。
二、压测和业务系统的相关指标监控，分析当前系统性能。
三、如果压测不满足预期，还需要分析性能瓶颈点。
四、需要根据当前的压测结果给出可以支撑的最大容量或当前性能。这些问题是每个测试团队都需要面对的，在当前技术发展下，如何更好的解决这些问题？
针对以上挑战，我们提出性能压测可观测化能力，分别针对以上问题提出压测链路可观测：
- 首先，在实施压测前，先执行一次拨测，通过拨测发起一次请求来构建整个压测链路拓扑，通过链路拓扑全局来看整个压测的影响范围。
- 其次，性能指标可观测，获取压测链路所涉及的监控指标，自动生成压测及各业务各实例水位大盘，边压边观测。
- 再次，聚合压测请求各指标和链路事件，实现链路剖析和智能化分析，实现性能瓶颈可观测。
- 最后，通过前面提到的压测指标和各服务实例资源水位，进行梯度压测评估验证系统服务容量。构建性能压测可观测，实现从压测到数据分析。
在此之上，我们构建了性能测试 PTS 3.0 可观测加持下的下一代性能压测服务。
性能测试 PTS 3.0 平台整体架构分为七部分，从底向上来看，底层压测引擎支持自研的 PTS 引擎，同时全面兼容开源 JMeter 压测引擎，后续会支持 K6 引擎，使用户能将已配置的压测顺滑迁移到 PTS 平台。将压测指标数据写入 Prometheus 和 Logs，开放给用户用于查询，并提供 Grafana 大盘供用户调用，满足用户对数据的灵活处理需求。
在压测准备阶段，性能测试 PTS 与应用实时监控服务 ARMS 产品打通，集成 ARMS 各项功能，包含获取应用列表、调用接口、数据库调用、容器、基础设施、Trace 等数据，通过这些数据打通，简化压测配置，构建压测链路拓扑。
在压测执行阶段，压测引擎透传链路标，打通 ARMS 调用链，通过 Streaming 统一聚合处理。在压测过程中，提供各项实例指标的压测 Grafana 大盘，通过 ARMS 智能洞察和调用链分析能力实现性能瓶颈分析，在压测中可实现边压边调速。
压测结束后，自动生成详细压测报告，提供性能基线对比、全景快照。
整体压测各个阶段，都可以通过云原生大模型提供的自然语言交互来支持，满足业务上云、大促活动、规格选型等场景。通过以上能力，性能测试 PTS 3.0 具备以下特点：
应用实时监控服务 ARMS 加持下的压测全面可观测化，大语言模型加持下的压测智能化，全面拥抱开源引擎，实现压测脚本任务托管。以下分别重点来介绍这些特性：
01 压测可观测中的压测链路可视化
性能测试 PTS 与 ARMS OpenTelemetry 服务打通，接入 ARMS OT 探针后即可使用，无需额外配置。在发起压测之前，会通过拨测能力进行压测脚本测试和链路探测，能自动准确识别请求链路所经过的组件，根据拨测请求建立链路拓扑图，不会涉及正常请求所经过的链路，这样我们就可以很直观的感知压测所经过的链路，明确压测影响的范围。
02 压测数据大盘，链路各项指标全监控
性能测试 PTS 集成 Grafana 大盘，在压测过程中会根据压测链路动态生成压测数据大盘，实现链路各项指标全监控。如覆盖以下监控大盘：
- 业务大盘：对核心业务指标进行监控，如场景请求量、业务转化率等。
- 压测大盘：对压测服务指标进行监控，如 TPS、RT、成功率、异常请求数、总请求数，90/95/99 RT 等。
- 应用监控大盘：覆盖请求链路所涉及的应用监控指标改了，以应用为维度包含各应用实例数、请求数、错误数、RT 等指标。
- 容器监控大盘：容器服务监控，覆盖 API Server、Node、Pod 等核心实例组件监控，覆盖 QPS、成功率、Pod 数，资源使用率等指标。
除此之外，还有接入层 SLB 大盘、ECS 实例大盘、数据库实例大盘等。通过以上大盘，监测压测链路各实例水位和状态，可以通过此大盘边观测边调速，达到最优压测的目的。
03 性能瓶颈可观测，快速定位问题根因
性能测试遇到很多的问题是压测结果不及预期，这就需要逐步分析当前系统或整个链路的性能瓶颈点。性能测试 PTS 与应用实时监控服务 ARMS 中智能洞察能力相融合，自动化的筛选压测期间异常的事件，进入异常事件详情，可以插件此事件所涉及的接口、异常原因、完整的异常栈、异常发生次数、异常率、异常时间范围、调用链等信息，点击调用链分析，即可进入调用链详情，查看此次异常分析报告，如在以上场景中，监测到获取数据库连接超时异常事件， 经过调用链分析指出异常时刻数据库连接池最大使用率 100%（最大活跃连接数/最大可用连接数）并给出建议调大连接池配置建议。通过此功能，大大提升性能分析效率，实现性能持续调优的目的。
04 系统容量可观测，自动化容量规划与验证
基于以上配置和指标数据，我们还计划推出自动化容量规划与验证。我们先看压测梯度的三个阶段：
一、是如果资源负载不高时，TPS 和资源使用率呈线性增长关系。
二、是持续加压当资源负载饱和时，随着并发量增长，TPS 趋势保持平稳，CPU 开始飙升。
三、是当资源负载满，并发量突破系统所能承载的最大容量点时，TPS 趋势及 CPU 都出现大幅波动，此时服务出现不可用的现象。
借助此容量评估方法，在压测前可配置预期的并发量，结合上述自动识别出的链路组件，同时配置各实例预期的最大资源水位阈值，逐步加压达到资源阈值，可以计算出如果达到预期流量所需要的资源实例数，进行容量规划。再进一步加压，达到资源负载极限，计算在此资源实例数下支持的最大并发量，进行容量评估。
05 支持生成式 AI，降低压测门槛
以上是通过与 ARMS 产品深度集成，实现压测全面可观测化，达到持续监控和反馈，做更深入的性能分析，优化性能问题，从而实现压测产出价值最大化。性能测试 PTS 3.0 还有与阿里云云原生大语言模型相结合，通过自然语言交互式方式实现智能化压测。
通过生成式 AI，分析性能测试指令，创建压测任务，完成脚本调试，执行压测任务。从全链路视角，查看动态图标，观测应用系统整体性能状态。针对性能瓶颈，实现问题定位，发现瓶颈根因。还可以利用大模型对压测报告进行深入分析和解读，给出压测总结等。
06 托管 JMeter 生态，发挥压测最大价值
在能力升级之外，开源开放是性能测试 PTS 一直以来的产品核心价值。目前，性能测试 PTS 支持托管 JMeter 压测引擎，平台已经具备的可观测、智能化等能力，发挥压测最大价值。
JMeter 脚本直接在性能测试 PTS 控制台页面上传即可压测，上传脚本后，平台会解析脚本，自动下载补齐所依赖的 jar 包，减少用户配置成本，从而提升压测成功率。对 JMeter 压测配置也进一步优化，提供便捷的瀑布流式配置，从上而下沉浸式配置，基础配置和可选高阶配置分开，减少用户配置理解成本，降低压测场景配置难度。前面提供到与可观测集成的能力，也在 JMeter 压测中支持，压测结束后自动生成报告，复用平台压测大盘，提供性能分析结果。在复用 JMeter 压测引擎的同时，通过平台得到更加稳定、更大规模、更具有价值的压测体验。
性能测试 PTS 持续保持开放，提供 OpenAPI，产品具备集成和被集成的能力，赋能云服务，推荐给用户适合自己的规格实例。如在函数计算产品上可通过性能测试 PTS 提供的函数性能探测获取单实例性能上限，降低并发度配置难度，给用户推荐合适的实例规格，降低函数计算使用成本。在微服务引擎 MSE 产品上，支持 Dubbo 等服务性能测试，发现服务性能问题，支持云原生网关性能测试，从而获取网关性能上限。
目前，性能测试 PTS 可从全球 22 个地域发起压测，支持百万级最大并发和千万级最大 TPS，满足实时发起全球大规模压测，服务超过全球数万家企业。
作者：肖长军（穹谷）
本文为阿里云原创内容，未经允许不得转载。
