[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

本發明提出一種線下壓測的方法、系統及終端設備。所述方法包括從線上模塊中獲取用戶請求參數，并復制到線下；對復制得到的用戶請求參數，進行數據處理和特征分析；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，結合所存儲的數據，形成不同的測試場景，并回放測試場景，得到不同測試場景下準確的線下性能數據。本發明通過線下性能數據來預測線上對應的系統性能，提高了利用線下測試對線上系統性能評估的準確性。

技術領域

本發明涉及流量和數據的壓力測試領域，更具體地，涉及線下壓測的方法、系統和終端設備。

背景技術

隨著互聯網產品形態、架構的不斷發展，以及業務復雜性的提高，互聯網產品系統的性能問題，所帶來的影響也越來越大。這不僅嚴重損害產品體驗，還會造成嚴重的社會經濟損失影響。比如，社交類網站會因為系統性能問題，導致部分服務不可用；購票類網站會因為系統性能問題，導致大量用戶無法完成購票等。雖然各類產品在上線之前都會進行各種類型和級別的性能測試，但由于線下性能測試得出的性能數據，應用到真實環境各場景時，準確性不高，仍然會導致嚴重的線上性能問題。線下性能測試能否準確的對應線上情況，取決于線下性能測試中，對測試場景的仿真是否真實及各場景下線下性能數據與線上性能數據的對應是否準確可信。

當前，各種線下性能測試方法中，為了得到線下性能數據往往通過構造簡單的案件來仿真測試場景，這種方法對線上海量多樣的真實流量場景或者突發的流量異常的情況模擬較少，使得線下測試得出的數據本身就不準確。而得到線下數據后，往往是通過人工經驗基于線下環境與線上環境的差異，利用線下數據評估出線上環境的性能數據，在產品架構及不同系統之間交互影響更加復雜的情況下，這種估計的誤差更大，不準確的線下數據加上更大的對應誤差，導致線上性能數據的更加不準確。雖然存在一些利用線上環境或者在線下完全搭建一套相同線上環境的測試方法，但是由于對線上服務的影響及可操作性差，導致無法廣泛應用，并且隨著產品架構及資源環境的日益復雜變得更加困難。

因此，如何在線下測試的過程中，準確的評估一個系統在真實流量或者各種異常場景下的真實性能成了一個難題。

發明內容

本發明實施例提供一種線下壓測的方法、系統及終端設備，以至少解決或緩解現有技術中的一個或多個技術問題，至少提供一種有益的選擇。

第一方面，本發明實施例提供了一種線下壓測的方法。

本發明在第一方面的第一種實施方式中，線下壓測的方法包括：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；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。

本發明在第一方面的第二種實施方式中，根據環境特征進行機器學習，分析環境特征與性能數據之間關系，形成性能數據修正模型；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。

結合第一方面的第一種實現方式或第一方面的第二種實現方式，獲取用戶請求參數并復制到線下，包括：利用系統netfilter框架提供的鉤子函數，從IP層直接復制用戶的請求參數至線下；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。

結合第一方面的第一種實現方式或第一方面的第二種實現方式，對復制得到的用戶的請求數據，進行數據處理和特征分析，包括：從復制得到的請求數據中獲取用于機器學習的單請求特征和組合請求特征；其中，單請求特征包括一次請求的對線上模塊的性能有影響的特征，組合請求特征包括多次交互或一時段內多次請求的對線上模塊的性能有影響的分布特征。