使用PTS对网站进行压测

本文涉及的产品
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
RDS AI 助手,专业版
RDS DuckDB + QuickBI 企业套餐,8核32GB + QuickBI 专业版
简介: 最近在阿里云搭了一个博客,用阿里云提供的PTS对网站做了一下压测,现在把压测的步骤分享出来,有类似做网站或外贸电商的也可以参考下(产品部署步骤省略,只有压测和性能分析)。所用云产品如下(长期使用选择包年可享受一定官网优惠):云产品(华北5) | 标题3 RDS(MySQL5.

最近在阿里云搭了一个博客,用阿里云提供的PTS对网站做了一下压测,现在把压测的步骤分享出来,有类似做网站或外贸电商的也可以参考下(产品部署步骤省略,只有压测和性能分析)。
所用云产品如下(长期使用选择包年可享受一定官网优惠):
云产品(华北5) | 规格
------- | ------- | -------
RDS(MySQL5.6高可用) | 1C2G
------- | ------- | -------
SSL | 免费证书
------- | ------- | -------
CDN | 按量
------- | ------- | -------
OSS | 按量
------- | ------- | -------
云监控 | 免费版
------- | ------- | -------
PTS | 新用户体验版
------- | ------- | -------

一、确定要测试的页面和访问流程

本次要测试的是网站首页和打开第一条产品页的访问速度,如下所示首页:
1

详情页:
2

二、进入PTS管理控制台

1、添加场景

3

2、添加被测URL

我们是模拟用户访问首页后,再进入到详情页,所以要添加两个URL(如果有多个页面,可以按访问页面先后顺序进行添加)
4

3、选择施压配置

选择施压配置,本次选择的是“并发模式”

  • 并发模式:是指虚拟并发用户数,从业务角度,也可以理解为同时在线的用户数。
  • RPS模式:(Requests Per Second)是指每秒请求数。从服务端的角度出发,直接衡量系统的吞吐能力,免去并发到 RPS 的繁琐转化,一步到位。

具体区别可参考官方文档:https://help.aliyun.com/document_detail/70480.html
在这里,我们设置最大并发为100,递增百分比为默认,持续时长为5分钟,考虑到首页访问人数可能会多于详情页,故设置“最大并发权重”为50和30,保存配置。
5

4、调试场景、保存去压测

6

可根据业务访问情况,在晚上或业务低峰时进行压测。

5、生成测试任务

7

6、开始压测,压测完成会生成压测报告。

8

三、云监控篇

压测开始后,到云监控看资源的使用状态,我主要关心的是CPU、内存和网络.
在主机监控中找到我们压测的ECS
9

压测开始后,我们可以看到CPU和系统平均负责都呈上升趋势。
10

在同一个页面继续往下拉,我们可以看到网络和TCP连接数都呈上升趋势。
11

刚才访问了一下网站,虽然CPU跑到100%,但网站还是以能正常访问的。

四、数据库篇

还好当时把数据库单独放在RDS中,如果数据库和网站都放在一台服务器上,CPU跑到100%后,我估计业务就直接崩溃了。
在CloudDBA“性能趋势”处,和云监控看到的ECS的资源类似的,TPS/QPS连接数都呈上升趋势。
CloudDBA官方文档:
12

“实时性能”看到QPS、连接数和网络流量都维持在较高的水位线
13

“会话管理”可以看到当前数据库的进程ID,哪些处于活动、睡眠状态
当有大量sleep或者异常用户、来源访问时可以直接在这里进行展示。
14
15

如果发现查询变慢,而ECS的CPU占用率不高时,我们可以在“智能优化”中看下查看RDS系统的负载,发现是哪些SQL导致查询时间过长,哪些SQL执行次数最多(执行次数较多、时间长的可以考虑添加索引),也可以把SQL语句拿到CloudDBA进行试跑,从中发现需要优化的地方。
下载诊断报告

五、压测结束

我们可以看到高资源占用情况马上就好转了。
16

此时我们肯定想看下压测这么久,结果到底怎么样了,如果项目有测评要求,可以将报告下载下来优化调优,如果只是像我一样做下大概了解,心里有数,则可直接在线查看。
压测报告:https://help.aliyun.com/document_detail/65304.html
17
18

我们可以看到用了ECS和RDS做业务分离后,虽然CPU资源占用较高,但请求返回都是200(200为正常,其它为异常)。

相关文章
|
5月前
|
人工智能 安全 调度
一文详解容器面向大模型与AI Agent的技术变革
在生成式人工智能迅猛发展的浪潮下,企业应用正加速从模型研究走向业务落地。无论是大规模的数据处理、超大参数模型的训练与推理,还是部署能够自动完成任务的AI Agent,这些场景都需要稳定、高效且可弹性伸缩的资源调度与管理能力。 容器凭借环境一致性、跨平台部署和高效调度等优势,天然契合AI场景对多样化算力、快速迭代和规模化分发的要求,成为AI时代事实上的原生基石。然而,要满足在生产规模下的需求,产品及技术形态需随之演进。 基于这一背景,本文将围绕大规模数据处理、模型训练、模型推理与AI Agent四个关键阶段,探讨AI场景对容器的核心需求,以及容器如何在各环节实现技术演进与升级。
531 2
一文详解容器面向大模型与AI Agent的技术变革
|
机器学习/深度学习 数据采集 自然语言处理
ModelScope保姆式教程带你玩转语言生成模型
PALM预训练语言生成模型是针对实际场景中常见的文本生成需求所设计的一个模型。模型利用大量无监督数据,通过结合自编码和自回归任务进行预训练,更贴合下游生成任务所同时需要的理解和生成能力。
35387 4
ModelScope保姆式教程带你玩转语言生成模型
蓝桥杯之单片机学习(十八)——555定时器与频率测量
蓝桥杯之单片机学习(十八)——555定时器与频率测量
1755 0
蓝桥杯之单片机学习(十八)——555定时器与频率测量
|
8月前
|
数据采集 SQL 分布式计算
数据清洗,必须掌握的5大解决方案+4大步骤
数据模型出错、报表对不上?根源常在于数据清洗。本文系统解析数据清洗的应用场景、核心步骤与常见痛点,并介绍如何通过FineDataLink等工具实现高效自动化清洗,将杂乱原始数据转化为高质量分析基石,提升数据可靠性与分析效率。
数据清洗,必须掌握的5大解决方案+4大步骤
|
人工智能 Kubernetes jenkins
容器化AI模型的持续集成与持续交付(CI/CD):自动化模型更新与部署
在前几篇文章中,我们探讨了容器化AI模型的部署、监控、弹性伸缩及安全防护。为加速模型迭代以适应新数据和业务需求,需实现容器化AI模型的持续集成与持续交付(CI/CD)。CI/CD通过自动化构建、测试和部署流程,提高模型更新速度和质量,降低部署风险,增强团队协作。使用Jenkins和Kubernetes可构建高效CI/CD流水线,自动化模型开发和部署,确保环境一致性并提升整体效率。
|
9月前
|
人工智能 前端开发 Java
不用复杂开发!轻松实现博客 AI 摘要
本文介绍如何通过火山方舟与Deepseek-V3轻松实现博客AI摘要功能,涵盖智能总结、关键词提取、开发流程、流式输出优化及生产部署要点,助力提升阅读体验与用户留存。
268 0
|
存储 测试技术 对象存储
使用容器服务ACK快速部署QwQ-32B模型并实现推理智能路由
阿里云最新发布的QwQ-32B模型,通过强化学习大幅度提升了模型推理能力。QwQ-32B模型拥有320亿参数,其性能可以与DeepSeek-R1 671B媲美。
|
人工智能 算法 Java
零门槛、百万token免费用,即刻拥有DeepSeek-R1满血版,还有实践落地调用场景等你来看
DeepSeek 是热门的推理模型,能在少量标注数据下显著提升推理能力,尤其擅长数学、代码和自然语言等复杂任务。本文涵盖四种部署方案,可以让你快速体验云上调用 DeepSeek-R1 满血版的 API 及部署各尺寸模型的方式,无需编码,最快 5 分钟、最低 0 元即可实现