[發明專利]線下壓測的方法、系統及終端設備

有效

• 申請號: 201711164547.5
• 申請日: 2017-11-21
• 公開（公告）號: CN107967204B
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 楊德寬
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 王珺;徐瑞紅

1.一種線下壓測的方法，其特征在于，包括：

在用戶請求無影響的前提下，從線上模塊中獲取用戶的請求數據，并復制到線下；

對復制得到的請求數據，進行數據處理和特征分析，其中，所述數據處理和特征分析包括基于所述請求數據獲取的單請求特征和組合請求特征，所述單請求特征包括一次請求的特征，所述組合請求特征包括多次交互或固定時段內多次請求的分布特征；

基于人工智能算法，對經數據處理和特征分析后的數據進行機器學習，形成策略模型；

基于策略模型，結合請求數據，形成不同的線下測試場景；

在線下環境回放各個所述線下測試場景，得到其所對應的線下性能數據。

2.根據權利要求1所述的方法，其特征在于，還包括：

根據環境特征和性能數據進行機器學習，分析環境特征與性能數據之間關系，形成數據修正模型；

基于修正模型，對線下測試場景的線下性能數據進行修正，以得到與線上環境相對應的線上性能數據。

3.根據權利要求1或2所述的方法，其特征在于，其中，獲取用戶的請求數據并復制到線下，包括：

利用netfilter框架中提供的鉤子函數，從IP層直接復制用戶的請求數據至線下；

對已復制的請求數據包進行處理，只返回維持tcp傳輸所需內容。

4.根據權利要求1或2所述的方法，其特征在于，對復制得到的用戶的請求數據，進行數據處理和特征分析，其中，所述數據處理和特征分析包括基于所述請求數據獲取的單請求特征和組合請求特征，所述單請求特征包括一次請求的特征，所述組合請求特征包括多次交互或固定時段內多次請求的分布特征，包括：

所述單請求特征和組合請求特征均是對線上模塊的性能有影響的特征。

5.根據權利要求4所述的方法，其特征在于，其中，基于人工智能算法，對經數據處理和特征分析后的數據進行機器學習，形成策略模型，包括：

通過所獲取的單請求特征和組合請求特征，基于機器學習的算法，分析用戶的請求數據的特點和請求數據的分布規律，以形成策略模型。

6.根據權利要求2所述的方法，其特征在于，其中，所述環境特征至少包括以下之一：

硬件資源、網絡資源、架構拓撲復雜度、程序語言、資源隔離方式，以及異常場景中系統事件干預，自動干預，人工干預的時間、流量調度策略。

7.一種線下壓測的系統，其特征在于，包括：

數據獲取單元，配置用于從線上模塊中獲取用戶的請求數據并復制該數據；

數據處理單元，配置用于接收數據獲取單元所復制的請求數據，并進行數據處理和特征分析，其中，所述數據處理和特征分析包括基于所述請求數據獲取的單請求特征和組合請求特征，所述單請求特征包括一次請求的特征，所述組合請求特征包括多次交互或固定時段內多次請求的分布特征；

模型計算單元，配置用于接收經數據處理單元進行數據處理和特征分析后的數據，并對該數據進行機器學習，形成策略模型；

數據回放單元，配置用于根據策略模型，結合請求數據，形成不同的線下測試場景，并在線下環境回放各個所述線下測試場景，得到其所對應的線下性能數據。

8.根據權利要求7所述的系統，其特征在于，其中，

數據獲取單元利用netfilter框架中提供的鉤子函數，從IP層直接獲取用戶的請求數據并復制該數據。

9.根據權利要求7所述的系統，其特征在于，所述數據處理單元中所述單請求特征和組合請求特征均是對線上模塊的性能有影響的特征。

10.根據權利要求9所述的系統，其特征在于，其中，

模型計算單元，具體配置用于接收由數據處理單元所獲取的單請求特征和組合請求特征，基于機器學習的算法，分析用戶的請求數據的特點和請求數據的分布規律，以形成策略模型。