PTS 有奖征稿活动官方示例

简介: 示例一:新业务上线 【业务场景】公司新作了一个电商服务,近期需要上线,需要提前预估下系统性能表现。 【业务指标】上线后一段时间内(如1个月)预计秒级 浏览:加购:生成订单:支付的比例为10000:8000:6000:5500 的比例。

示例一:新业务上线

【业务场景】
公司新作了一个电商服务,近期需要上线,需要提前预估下系统性能表现。

【业务指标】
上线后一段时间内(如1个月)预计秒级 浏览:加购:生成订单:支付的比例为10000:8000:6000:5500 的比例。能够正常走通流程,下单不出现异常情况。

【业务流程】

  • 登录—登录信息来源于文件参数
  • 浏览商品—商品信息随机数生成
  • 加购—添加到购物车,添加的商品由上一个接口输出
  • 生成订单---购物车中部分商品合并结算,商品id,随机生成
  • 支付订单—支付订单,订单由上一个接口输出

【压测配置信息概要】
资源包购买:因目标是各api的rps 之和为29500,故购买最大4wrps的包。
业务上是一个流式过程,故放在一个串联链路中,按照业务模型进行API配置:

接口:login,输入参数:username、password,来源文件参数
接口:viewProduct,输入参数:productId(系统函数生成),输出参数:productId
接口:addToCart,输入参数:productId
接口:createOrder,输入参数:productId1,productId2,出参:orderId
接口:payOrder,输入参数:orderId,出参:result

压力配置:RPS模式,每个API按照10000:8000:6000:5500的最大RPS配置,起步设为5%
监控信息:云监控集成(服务部署在阿里云上,使用了ECS/RDS/SLB都进行了监控),因服务不是java的无法使用ARMS监控

【压测过程及结论】
首次压测的时候,全局调速30%的时候,发现RT不高但是失败率特别高,根据云监控发现SLB中拒绝链接的请求很多,发现是SLB的规格限制,扩大slb的容量后继续压测。第二次压测在,调速到50%的时候,发现RT比较高,特别是加购、订单生成的API上,根据RDS监控发现CPU内存使用率比较高,到RDS控制台的CloudDba上看到有慢SQL,排查之后再进行压测调速到80%时,发现整体系统负载水位较高,偶尔会出现rt很高的请求,需要进行一次扩容再继续压测,按照比例扩容后,调速到100%压测,并持续运行10分钟,无异常,系统表现良好。



示例二:活动前容量评估

【业务场景】
春节期间会在微信小程序上做一次抽奖活动(手动点击抽样按钮抽奖),提前预估压力

【业务指标】

  1. 预计有5w名用户参与活动,同时抽奖的预计达到5000。
  2. 抽奖活动不可出现异常和数据错乱的问题。

【业务流程】

  • 获取微信个人信息(如头像、昵称等),登录小程序;
  • 打开活动页面;
  • 用户输入要求的个人信息(如商家要求的信息),提交信息;
  • 点击抽奖按钮进行抽奖;
  • 确认保存中奖信息;

【压测配置信息概要】
资源包购买:因目标是5000 并发用户,为了给系统留一些buffer,购买了1w并发资源包,技术上预计系统承载6k-7k的并发位置。
业务上是一个流式过程,故放在一个串联链路中,按照业务模型进行API配置:

接口:getConfig,输入参数:uid,出参:nick_name
接口:activity_page
接口:post_info,输入参数:nick_name/interest_info
接口:lottery,输入参数:nick_name,出参:lottery_result
接口:check_result,输入参数:is_get_prize,出参:result

压力配置:并发模式,自动递增,场景并发5000,起步5%
监控信息:ARMS监控集成(因自身服务不部署在阿里云上,故无法使用云监控)

【压测过程及结论】
首次压测的时候,在并发2000时,出现了比较大的失败率,RT也达到了1000+ms,根据Timing瀑布流及业务信息排查发现,是入口队列较小,排队情况较多导致的。进行了扩容处理,第二次压测在3000并发时,在抽奖API上RT很大,结合Timing和ARMS监控,看到是在数据库操作上比较慢,并且有慢SQL,优化表、和SQL之后,再进行压测。优化后并发在4000时,发现系统压力较大,cpu 和内存使用比例较高,进行扩容之后,再继续压测。扩容后再压测5000并发时,发现API平均RT在800ms左右,CPU消耗在40% 左右。为了留足系统buffer,进行适量扩容之后,压测到6000,发现系统稳定,即压测结束。



相关文章
|
8月前
|
人工智能 数据可视化 物联网
智链未来:B2B企业如何通过“两大核心+四轮驱动”重塑GEO增长引擎
对于决策链路长、专业门槛高的B2B企业而言,如何在Geo中占据核心推荐位,已成为品牌数字化资产增值的关键。
362 17
|
9月前
|
网络安全 文件存储 开发工具
飞牛NAS笔记本盒盖不休眠
笔记本装飞牛NAS(fnOS)后,合盖即休眠导致服务中断?本文详解如何通过修改`/etc/systemd/logind.conf`中`HandleLidSwitch*`参数为`ignore`,并重启`systemd-logind`,实现合盖不休眠——Web、Docker、下载全正常运行。安全、有效、一步到位!
1280 4
|
数据采集 算法 数据挖掘
CLIMB自举框架:基于语义聚类的迭代数据混合优化及其在LLM预训练中的应用
英伟达提出的CLIMB框架,是一种自动化优化大型语言模型(LLM)预训练数据混合的创新方法。通过语义嵌入与聚类技术,CLIMB能系统地发现、评估并优化数据混合策略,无需人工干预。该框架包含数据预处理、迭代自举及最优权重确定三大阶段,结合小型代理模型与性能预测器,高效搜索最佳数据比例。实验表明,基于CLIMB优化的数据混合训练的模型,在多项推理任务中显著超越现有方法,展现出卓越性能。此外,研究还构建了高质量的ClimbMix数据集,进一步验证了框架的有效性。
890 0
CLIMB自举框架:基于语义聚类的迭代数据混合优化及其在LLM预训练中的应用
|
11月前
|
人工智能 文字识别 运维
通过人工智能平台PAI部署DeepSeek-OCR模型 官网控制台部署
本方案介绍如何在阿里云PAI平台部署DeepSeek-OCR开源模型,涵盖从账号准备、模型部署到应用体验的完整流程。通过PAI的Model Gallery可一键部署,结合PAI-EAS实现高性能推理,支持公网调用。适用于OCR场景快速搭建与测试,体验后建议及时清理资源以避免计费。
|
10月前
|
数据采集 人工智能 监控
什么是数据治理?从理念到实践的系统解析
在数字化时代,数据治理已成为企业释放数据价值、保障合规与安全的核心战略。本文深入解析数据治理的体系化内涵,涵盖组织、制度、流程与技术四大维度,并聚焦瓴羊Dataphin平台,展现其以“规、建、管、用”一体化打造企业级数据治理闭环的实践路径,助力企业实现数据资产化、服务化与智能化转型。
|
10月前
|
SQL 数据挖掘 BI
Python处理Excel多工作表:openpyxl与pandas的实战对比
本文对比openpyxl与pandas在处理Excel多工作表时的性能差异,结合真实电商案例揭示二者核心定位:openpyxl擅长精细格式控制,pandas专注高效数据处理。通过读写实测、典型场景与混合策略,提供选型决策树,助你提升数据处理效率数十倍。
1017 0
|
11月前
|
数据采集 测试技术 开发者
Python进阶之路:模块、包与异常处理的实战指南
本文通过实战案例详解Python模块化开发与异常处理核心技巧。涵盖模块导入、包结构设计、自定义异常、错误日志等关键实践,帮助开发者从写出能运行的代码进阶到构建可维护、健壮的项目,提升协作效率与工程能力。(238字)
341 0
|
存储 缓存 数据处理
71_数据版本控制:Git与DVC在LLM开发中的最佳实践
在2025年的大模型(LLM)开发实践中,数据和模型的版本控制已成为确保项目可重复性和团队协作效率的关键环节。与传统软件开发不同,LLM项目面临着独特的数据版本控制挑战:
1229 0
|
消息中间件 人工智能 Java
通义灵码2.0深度评测:AI原生研发时代的开发者革命
作为一名五年开发经验的程序员,我深刻感受到从手动编码到AI辅助编程的变革。通义灵码2.0基于Qwen2.5-Coder大模型,通过代码生成、多文件协同、单元测试和跨语言支持等功能,显著提升开发效率。它能生成完整工程代码,自动处理复杂业务逻辑与依赖关系;在系统升级和微服务改造中表现出色;自动生成高质量单元测试用例;还具备跨语言转换能力。尽管存在一些改进空间,但其高频迭代和功能优化展现了巨大潜力。通义灵码2.0正推动软件开发从“体力活”向“架构创造力”转型,是开发者不可错过的生产力工具。
通义灵码2.0深度评测:AI原生研发时代的开发者革命
|
存储 API 文件存储
单页图床HTML源码+本地API接口图床系统源码
图床系统是一种用于存储和管理图片文件的在线服务。它允许用户上传图片文件,并生成相应的图片链接,从而方便用户在网页、社交媒体或其他平台上分享图片。
791 2
单页图床HTML源码+本地API接口图床系统源码

热门文章

最新文章