支付宝的性能测试

       一、性能测试支付宝场景介绍


　　2013年双11过程当中，促销开启的第一分钟内支付宝的交易总额就突破了一亿元，短时间内大量用户涌入的情况下，如何保证用户的支付顺畅，是对支付宝应用系统的一个极大的挑战。


　　支付宝的性能测试场景分为性能基线测试，项目性能测试。


　　任意一笔交易过来，我们都需要对交易进行风险扫描，对于有可能是账户盗用的交易，我们会把这笔支付直接拒绝掉，或者通过手机校验码等方式进行风险释放。


　　我们有一个老的扫描平台A，现在需要构建一个新的扫描平台B，对A中关键技术进行升级，并增加额外的功能。扫描的策略是存储在DB中的，需要通过发布来更新到应用服务器的内存中。


　　二、性能测试需求分析和方案制定


　　a. 需求挖掘


　　1)查看业务方的显性需求。业务方给到的需求为平台B的分析性能要优于平台A的性能。除此之外无其它的需求。


　　2)挖掘隐性需求.了解业务架构，了解业务流程。为了保证扫描的性能，大量的存储类的需求被设计为异步处理，但是结果类的扫描需要使用到前面落地的数据，那么在系统正常运行时是否会存 在落地数据读取不到的问题，在存储抖动时是否会导致后续的分析扫描全部失效?


　　首先我们通过运维监控平台拿到平台A的分析性能，RT<130ms, TPS>35.


　　基于以上的需求挖掘，我们确认的性能测试场景为


　　扫描性能场景。(单场景)


　　发布性能场景。(单场景)


　　扫描过程中发布性能场景。(混合场景)


　　b. 技术方案


　　1)评估我们的系统架构，系统调到链路，定位可能存在问题的瓶颈点。


　　2)掌握详细技术实现方案，了解具体技术方案可能存在的性能问题。


　　比如我们是否使用到了脚本动态编译，是Java脚本还是groovy脚本。是否使用到了线程池等异步处理，系统幂等性是如何控制的，数据结构是如何存储与读取的，是决策树还是图型结构。


　　3)了解系统环境的差异，比如服务器位数、CPU、内存的差异，JDK版本及位数的差异。


　　基于以上的技术方案，我们确认了上述3个性能测试场景可能存在的性能问题


　　1. 扫描性能场景


　　技术方案为扫描引擎drools2升级到了drools5.


　　性能关注点为请求扫描RT，TPS是否满足我们的需求;JVM Old区内存溢出，Old区内存泄露;GC 频率过高。CPU使用率，load.

      2. 发布性能场景


　　技术方案为规则DB捞取->规则加载->规则引擎切换->规则脚本编译。


　　性能关注点为CPU使用率,load。JVM Perm区内存溢出，Perm区内存泄露，GC 频率过高。GC 暂停应用时间。
　 3. 扫描过程中发布性能场景


　　性能关注点为请求扫描RT，TPS。规则发布耗时，CPU使用率，load, JVM GC频率。


　　c. 性能测试方案制订


　　分布式压测，参数自动化，使用单元测试脚本，接口测试脚本，jmeter脚本等进行压测。


　　性能结果收集及统计。


　　性能测试通过标准。


　　基于以上的分析


　　1. 扫描性能场景


　　性能测试方案：


　　使用jmeter 脚本进行分布式压测，一台master, 三台slaver. 参数自动构建，使用高斯定时器模拟真实场景。
       使用jmeter 收集分析性能数据，使用nmon收集服务器性能数据，使用jconsole收集JVM数据。


　　通过标准:


　　RT<130ms, TPS>35.


　　JVM old 区内无内存泄露，无内存溢出。GC时间间隔>30min，暂停应用时间<150ms.


　　CPU<70%， load < core*1.5。


　　2. 发布性能场景


　　性能测试方案：


　　发布时间间隔时间限制从1min调整为3s, 更快的暴露问题。


　　使用单元测试类推送发布消息。


　　服务器shell 脚本收集发布模块性能数据。


　　使用nmon收集服务器性能数据。


　　使用jconsole收集JVM数据。


　　通过标准：
       JVM Perm 区内无内存泄露，无内存溢出。GC时间间隔>10min，暂停应用时间<200ms.


　　发布时间<30S


　　CPU<70%， load < core*1.5。


　　3.扫描过程中发布性能场景


　　性能测试方案：


　　使用jmeter脚本进行分布式压测，同时提交发布请求进行发布。


　　同时使用扫描性能场景和发布性能场景收集数据功能。


　　通过标准：


　　RT < 扫描性能场景结果RT * 110%.


　　TPS > 扫描性能场景结果TPS * 90%.


　　发布时间 < 40s。


　　d. 发现的问题


　　1. 扫描性能场景


　　AVG RT = 473ms， CMS GC = 90ms, 应用暂停时间 = 1s, 因此测试未通过。


　　问题定位：


　　dump内存，使用ibm memory analyzer 分析。


　　确认cms gc的原因为drools引擎的finalize方法。Finzlize方法不能正确的释放对象的引用关系，导致引用关系一直存在，无法释放。


　　调优方案：


　　根据drools的升级文档，升级drools引擎后解决此问题


　　2. 发布性能场景


　　CMS GC 回收失败，内存无法被释放，应用宕机。


　　问题定位：


　　GC回收比例为默认值68%，OLD区内存1024M，那么回收的临界值为1024*0.68=696.32M。系统的JVM内存占用为500M，扫描策略相关的内存为120M，在切换的过程中，依赖额外的120M，因此只有在可


用内存大于740M时才能正常回收。


　　解决方案：


　　调整JVM参数，扩大GC回收比例。


　　后续技术方案改造，使用增量发布解决此问题。


　　3. 扫描过程中发布性能场景


　　问题定位：


　　扫描平台发布流程，当首次请求进来时执行脚本动态编译过程，由于脚本较多，因此所有脚本的动态编译时间较长，在此过程中，进来的所有请求都会被hand住，造成大量超时


　　解决方案：


　　把脚本的动态编译提前到首次请求调用进来之前，编译通过后再切换扫描引擎，保证首次请求进来前一切准备就绪。


　　三：性能测试的执行和结果收集


　　3.1性能测试的执行


　　性能测试的执行需要具备以下几个条件：施压工具,测试环境以及对测试结果的收集工具。


　　3.1.1 施压工具


　　我们先来说说施压工具，支付宝使用的主流施压工具是开源工具Apache JMeter，支持很多类型的性能测试：


　　Web - HTTP, HTTPS


　　SOAP


　　Database via JDBC


　　LDAP


　　JMS


　　任何用java语言编写的接口，都可二次开发并调用。


　　支付宝大部分接口是webservice接口，基于soap协议，且都是java开发，所以使用jmeter非常方便，即使jemter工具本身没有自带支持的协议，也可以通过开发插件的方式支持。


　　3.1.2测试环境


　　测试环境包括被压机和施压机环境，需要进行硬件配置和软件版本确认，保证系统干净，无其他进程干扰，最好能提前监控半小时到1小时，确认系统各项指标都无异常。


　　另外除了被压机和施压机，有可能应用系统还依赖其他的系统，所以我们需要明确服务器的数量和架构，1是方便我们分析压力的流程，帮助后面定位和分析瓶颈，2是由于我们线下搭建的环境越 接近线上，测试结果越准确。但是通常由于测试资源紧张或者需要依赖外围，例如银行的环境，就会比较麻烦，通常我们会选择适当的进行环境mock。当然，Mock的时候尽量和真实环境保持一致，举 个简单的例子，如果支付宝端系统和银行进行通信，线上银行的平均处理时间为100ms，那么如果我们在线下性能测试时需要mock银行的返回，需要加入100ms延迟，这样才能比较接近真实的环境。


　　另外除了测试环境，还有依赖的测试数据也需要重点关注，数据需要关注总量和类型，例如支付宝做交易时，db中流水万级和亿级的性能肯定是不一样的;还有db是否分库分表，需要保证数据分布 的均衡性。一般考虑到线下准备数据的时长，一般性能测试要求和线上的数据保持一个数量级。


　　3.1.3 测试结果收集工具


　　测试结果收集主要包括以下几个指标：


　　响应时间、tps、错误率、cpu、load、IO、系统内存、jvm(java虚拟内存)。


　　其中响应时间、tps和业务错误率通过jemter可以收集。


　　Cpu、load、io和系统内存可以通过nmon或linux自带命令的方式来监控。
      Jvm可以通过jdk自带的jconsole或者jvisualvm来监控。


　　总体来说，监控了这些指标，对系统的性能就有了掌握，同样这样指标也可以反馈系统的瓶颈所在。


　　四.性能测试瓶颈挖掘与分析


　　我们在上面一章中拿到性能测试结果，这么多数据，怎么去分析系统的瓶颈在哪里呢，一般是按照这样的思路，先看业务指标：响应时间、业务错误率、和tps是否满足目标。


　　如果其中有一个有异常，可以先排除施压机和外围依赖系统是否有瓶颈，如果没有，关注网络、db的性能和连接数，最后关注系统本身的指标：


　　硬件：磁盘是否写满、内存是否够用、cpu的利用率、平均load值


　　软件：操作系统版本、jdk版本、j boss容器以及应用依赖的其他软件版本


　　Jvm内存管理和回收是否合理


　　应用程序本身代码


　　先看下图：是一般性能测试环境部署图
我们在定位的时候，可按照标注中的1、2、3数字依次进行排查，先排查施压机是否有瓶颈、接着看后端依赖系统、db、网络等，最后看被压机本身，例如响应时间逐渐变慢，一般来说是外围依赖的系 统出现的瓶颈导致整体响应变慢。下面针对应用系统本身做下详细的分析，针对常见问题举1~2个例子：


　　4.1 应用系统本身的瓶颈


　　1. 应用系统负载分析：


　　服务器负载瓶颈经常表现为，服务器受到的并发压力比较低的情况下，服务器的资源使用率比预期要高，甚至高很多。导致服务器处理能力严重下降，最终有可能导致服务器宕机。实际性能测试 工作中，经常会用以下三类资源指标判定是否存在服务器负载瓶颈：


　　1.CPU使用率


　　2,内存使用率


　　3.Load


　　一般cup的使用率应低于50%，如果过高有可能程序的算法耗费太多cpu，或者某些代码块进行不合理的占用。Load值尽量保持在cpuS+2 或者cpuS*2，其中cpu和load一般与并发数成正比(如下图)
　　内存可以通过2种方式来查看：


　　1) 当vmstat命令输出的si和so值显示为非0值，则表示剩余可支配的物理内存已经严重不足，需要通过与磁盘交换内容来保持系统的稳定;由于磁盘处理的速度远远小于内存，此时就会出现严重的 性能下降;si和so的值越大，表示性能瓶颈越严重。


　　2) 用工具监控内存的使用情况，如果出现下图的增长趋势(used曲线呈线性增长)，有可能系统内存占满的情况：
　　如果出现内存占用一直上升的趋势，有可能系统一直在创建新的线程，旧的线程没有销毁;或者应用申请了堆外内存，一直没有回收导致内存一直增长。


　　4.2 Jvm瓶颈分析


　　4.2.1Gc频率分析


　　对于java应用来说，过高的GC频率也会在很大程度上降低应用的性能。即使采用了并发收集的策略，GC产生的停顿时间积累起来也是不可忽略的，特别是出现cmsgc失败，导致fullgc时的场景。下 面举几个例子进行说明：


　　1. Cmsgc频率过高，当在一段较短的时间区间内，cmsGC值超出预料的大，那么说明该JAVA应用在处理对象的策略上存在着一些问题，即过多过快地创建了长寿命周期的对象，是需要改进的。或者 old区大小分配或者回收比例设置得不合理，导致cms频繁触发，下面看一张gc监控图(蓝色线代表cmsgc)


　　由图看出：cmsGC非常频繁，后经分析是因为jvm参数-XX:CMSInitiatingOccupancyFraction设置为15，比例太小导致cms比较频繁，这样可以扩大cmsgc占old区的比例，降低cms频率注。


　　调优后的图如下：


　　2. fullgc频繁触发


　　当采用cms并发回收算法，当cmsgc回收失败时会导致fullgc：




　由上图可以看出fullgc的耗时非常长，在6~7s左右，这样会严重影响应用的响应时间。经分析是因为cms比例过大，回收频率较慢导致，调优方式：调小cms的回比例，尽早触发cmsgc，避免触发 fullgc。调优后回收情况如下


　　可以看出cmsgc时间缩短了很多,优化后可以大大提高。从上面2个例子看出cms比例不是绝对的，需要根据应用的具体情况来看，比如应用创建的对象存活周期长，且对象较大，可以适当提高cms的 回收比例。


　　3. 疑似内存泄露，先看下图


　　分析：每次cmsgc没有回收干净，old区呈上升趋势，疑似内存泄露


　　最终有可能导致OOM，这种情况就需要dump内存进行分析：


　　找到oom内存dump文件，具体的文件配置在jvm参数里：


　　-XX:HeapDumpPath=/home/admin/logs


　　-XX:ErrorFile=/home/admin/logs/hs_err_pid%p.log


　　借助工具：MAT，分析内存最大的对象。具体工具的使用这里就不再介绍。


云效平台 官网地址：http://yunxiao.aliyun.com/html/index.html


（本文来源：领测软件测试网）