云计算测试的几个关键维度

简介:

2016年10月28日上午SPEC 2016亚洲峰会上,SPEC架构师Jeremy Arnold与SPEC开放系统委员会主席Steve Realmuto一起揭开了业界首个云平台测试基准SPEC Cloud IaaS 2016的神秘面纱。

云计算测试的几个关键维度

在会上Jeremy Arnold向大家详细介绍了在Cloud IaaS 2016中的云计算基准测试指标,及制定这些指标的原因。Steve Realmuto就云计算基准测试的具体内容和测试方法向大家做了详细介绍。

SPEC对云计算的观点

首先,Jeremy Arnold在综合介绍云计算、公有云、私有云与混合云后,向大家介绍了开放系统组(OSG)对云计算的观点:白盒云(Whitebox Cloud)与黑盒云(Blackbox Cloud)。

云计算测试的几个关键维度

Jeremy Arnold(SPECpower架构师)

白盒云(Whitebox Cloud)

白盒云一般来说,就是私有云。白盒云的用户可以知道所有的软件和硬件信息。比较像在一个典型的Benchmark环境中看到得那样,用户把软件和硬件组合到一起,在这环境里面可以控制所有的事情。这与私云环境比较类似,你对软件和硬件的配置会有一些控制权。

黑盒云(Blackbox Cloud)

黑盒云,它一般来说是公有云的结构。比如说亚马逊和谷歌的云,但它也有可能是一个托管的私有云。你可以来充分的使用云里面的资源,你也可以来购买云里面的时长,可以来购买云供应商的各种服务,你知道可以用什么样的资源,但是你其实并不清楚这个云是如何被管理的,也不清楚它里面到底涵盖哪一些资源。它其实就是一个黑盒子或者黑匣子,其实你不知道里面是什么。

云计算测试的几个关键维度

云计算需要什么样的测试

无论是软、硬件的信息都了解的白盒云还是对所有信息都一无所知的黑盒云,我们都想要对它去进行测量,测量什么?或者说云的Benchmark测试是什么呢?在SPEC的研究组委员会里面,对云计算有两个不同的测试Benchmark “Scalability”和“Elasticity”。

Scalability可以看作在山上不断的攀登,也就是说云可以持续不断的处理各种需求,我们不断来增加的Workload,这就称作Scalability。

Elasticity是指随着我们不断的在云上增加越来越多的Workload,它的Scalability仍然是一致的。它的性能不会随着Workload的增加,而有所降低。

云计算测试的几个关键维度

在公共云上会有各种各样的资源,可以把它称作无限、无穷的,但仍然会有限值。比如说你采用的某一虚拟机,Scalability会在一定的范围内会达到一个限值。当然我们可以在公有云环境中,通过增添虚拟机的数量使处理能力不断提升(增加Elasticity),但这样做的成本也会不断的攀升。同时还需要考虑性能的差异性。公有云中有其他租户在不同时间使用云计算资源时,也会对用户虚拟机Scalability造成不同的影响。

从另一方面来说,在私有云方面,我们获得非常好的Elasticity,你可以控制每一件事情,这样的话就确保Scalability不会有所改变,即使随着Workload的增加,Scalability也不会有所改变,在私有云里面,你会对环境会有较多的控制权,这是跟公共云相比的。但是我们在私有云里面也是要考虑性能。

云计算测试的几个关键维度

如何正确评估一个云,如何才能使Scalability与Elasticity更具实际意义。这也许是一个很大挑战,包括SPEC云委员会以外的成员,都会觉得这是一个挑战,有时候Benchmark相当于是在一个黑匣子的环境里面。你如何能够做出这样的Benchmark?你如何能够把它跟其他的事情进行对比?当云计算环境进行工作的时候,工作的性能也需要得以测量。我们有时候会说,我们想要关注于云本身,而不是Workload上面,但是我们仍然需要 从Workload去评估云本身。

Cloud IaaS 2016 Benchmark要做的就是可以在任何一个云计算资源上进行测量,同时把这结果进行一个文件编撰。在这测试过程中,云的本身不会被改变。但是我们希望还是有一个初始配置的Elasticity来做为评估的基准。并且在未来,我们会设计更多的Workload测评方法,来应对云计算技术快速发展。所以说这个Benchmark会不断的进行调整,在未来我们看新的Cloud IaaS Benchmark,会有新的Workload在这上面。

Scalability与Elasticity的评估方式

接下来由Steve Realmuto向我们介绍了SPEC Cloud IaaS 2016 Benchmark有关于Scalability与Elasticity的评估方式。

云计算测试的几个关键维度

Steve Realmuto(Oracle/SPEC开放系统组(OSG)主席)

Cloud IaaS 2016测试基准基于YCSB(Yahoo Cloud Serving Benchmark)+Cassandra分布式数据库,Cassandra由Facebook开发,在各个运营商中的应用十分广泛。而且,OSG cloud小组进行了大量的调整,例如在原有的YCSB基准中,数据库的读写操作比例为7:3,Cloud IaaS 2016的读写比例调整为95:5,这样比例更符合实际应用场景。

云计算测试的几个关键维度

SPEC Cloud_IaaS可以模拟多种I/O和CPU密集型云计算工作负载,模拟标准社交媒体NoSol数据库应用场景,对云计算软、硬件产品的多种性能指标进行Benchmark测试。协助用户更加全向的对云计算产品进行深入了解。同时也可以协助云计算厂商,对自身产品进行完善,尽量减少现实运营过程中,云计算系统故障的发生。

SPEC Cloud IaaS在设计时充分考虑了不同用户的技术水平,既可以实现测试环境的自动部署及运行,自主测试及输出测试报告,也可以依据用户特殊需求手动配置运行环境,既适合一般大型客户及研究机构使用,也可以满足中小型企业的测试需求。



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

目录
相关文章
|
2月前
|
SQL 测试技术 持续交付
探索软件测试的多维度——从理论到实践
【9月更文挑战第35天】在软件工程的世界中,测试是一个不可或缺的环节。它不仅保障了软件产品的质量,而且确保了用户体验的一致性和可靠性。本文将从不同的角度切入,探讨软件测试的多个方面,包括测试的目的、类型、工具以及最佳实践。通过深入浅出的方式,我们旨在为读者提供一个全面的测试知识框架,帮助他们更好地理解并执行软件测试工作。
45 2
|
5月前
|
Java jenkins 测试技术
探索软件测试的多维度视角
在软件开发的海洋中,测试如同航船的指南针,确保我们的方向准确无误。本文将深入探讨软件测试的多维度视角,从传统测试方法的局限性出发,引入自动化测试工具的优势,并结合具体案例分析如何有效运用这些工具来提升测试效率和质量。通过阅读,你将获得关于如何利用现代技术改进软件测试流程的实践知识,从而在软件开发的旅程中乘风破浪。
|
1月前
|
安全 测试技术 持续交付
云计算时代的软件开发与测试:高效、灵活、可扩展
云计算时代的软件开发与测试:高效、灵活、可扩展
|
3月前
|
人工智能 测试技术 云计算
探索软件测试的多维度策略
在数字化时代的浪潮中,软件质量成为企业竞争力的关键。本文将通过浅显易懂的语言和生动的比喻,带领读者了解软件测试的核心概念、方法及其在软件开发周期中的重要性。我们将一起走进软件测试的世界,看看它是如何保护我们的数字生活不受“虫子”侵扰的。
|
4月前
|
敏捷开发 测试技术 持续交付
软件测试中的自动化策略与实践云计算时代的网络安全挑战与对策
【8月更文挑战第30天】在软件开发的海洋中,自动化测试是一艘能够带领团队高效航行的帆船。本文将探讨如何搭建这艘帆船,从选择适合的自动化测试框架开始,到编写有效的测试脚本,再到持续集成的实施和测试结果的分析,我们将一步步揭开自动化测试的神秘面纱。你将学习到如何通过自动化测试来提升软件质量和开发效率,以及如何克服实施过程中的挑战。让我们一起启航,探索自动化测试的世界。
|
4月前
|
Java 测试技术 开发者
探索软件测试的多维度:从单元到系统,再到性能测试
本文深入探讨了软件测试的多个关键维度,包括单元测试、集成测试、系统测试以及性能测试。通过分析每个阶段的目标和方法,本文旨在帮助读者理解如何构建一个全面的测试策略,确保软件产品的质量与性能。我们将通过具体案例和数据来揭示不同测试阶段的重要性及其在软件开发生命周期中的作用。
103 0
|
6月前
|
监控 安全 测试技术
探索软件测试的多维度策略
【6月更文挑战第21天】在软件开发生命周期中,测试环节是确保产品质量的关键步骤。本文将介绍一种多维度的软件测试策略,旨在通过不同角度和层面的测试方法来提高软件的可靠性和性能。我们将探讨如何结合静态代码分析、动态测试、自动化测试以及探索性测试等多种测试手段,构建一个全面的测试体系。此外,文章还将讨论如何根据不同的开发阶段和产品特性选择合适的测试工具和技术,以及如何有效地整合这些测试活动以提升测试效率和覆盖率。
|
7月前
|
机器学习/深度学习 人工智能 算法
探索软件测试的新维度:AI与自动化的融合
【5月更文挑战第31天】本文深入探讨了人工智能(AI)与自动化在软件测试领域的结合应用,揭示了这一趋势如何革新传统的测试流程,提升效率和准确性。通过分析AI技术在缺陷预测、测试用例生成和结果分析等方面的应用,文章展示了AI如何帮助测试人员识别更复杂的问题,减少人为错误,并缩短产品上市时间。