[发明专利]线下压测的方法、系统及终端设备

说明书

本发明提出一种线下压测的方法、系统及终端设备。所述方法包括从线上模块中获取用户请求参数，并复制到线下；对复制得到的用户请求参数，进行数据处理和特征分析；基于人工智能算法，对经数据处理和特征分析后的数据进行机器学习，形成策略模型；基于策略模型，结合所存储的数据，形成不同的测试场景，并回放测试场景，得到不同测试场景下准确的线下性能数据。本发明通过线下性能数据来预测线上对应的系统性能，提高了利用线下测试对线上系统性能评估的准确性。

技术领域

本发明涉及流量和数据的压力测试领域，更具体地，涉及线下压测的方法、系统和终端设备。

背景技术

随着互联网产品形态、架构的不断发展，以及业务复杂性的提高，互联网产品系统的性能问题，所带来的影响也越来越大。这不仅严重损害产品体验，还会造成严重的社会经济损失影响。比如，社交类网站会因为系统性能问题，导致部分服务不可用；购票类网站会因为系统性能问题，导致大量用户无法完成购票等。虽然各类产品在上线之前都会进行各种类型和级别的性能测试，但由于线下性能测试得出的性能数据，应用到真实环境各场景时，准确性不高，仍然会导致严重的线上性能问题。线下性能测试能否准确的对应线上情况，取决于线下性能测试中，对测试场景的仿真是否真实及各场景下线下性能数据与线上性能数据的对应是否准确可信。

当前，各种线下性能测试方法中，为了得到线下性能数据往往通过构造简单的案件来仿真测试场景，这种方法对线上海量多样的真实流量场景或者突发的流量异常的情况模拟较少，使得线下测试得出的数据本身就不准确。而得到线下数据后，往往是通过人工经验基于线下环境与线上环境的差异，利用线下数据评估出线上环境的性能数据，在产品架构及不同系统之间交互影响更加复杂的情况下，这种估计的误差更大，不准确的线下数据加上更大的对应误差，导致线上性能数据的更加不准确。虽然存在一些利用线上环境或者在线下完全搭建一套相同线上环境的测试方法，但是由于对线上服务的影响及可操作性差，导致无法广泛应用，并且随着产品架构及资源环境的日益复杂变得更加困难。

因此，如何在线下测试的过程中，准确的评估一个系统在真实流量或者各种异常场景下的真实性能成了一个难题。

发明内容

本发明实施例提供一种线下压测的方法、系统及终端设备，以至少解决或缓解现有技术中的一个或多个技术问题，至少提供一种有益的选择。

第一方面，本发明实施例提供了一种线下压测的方法。

本发明在第一方面的第一种实施方式中，线下压测的方法包括：从线上模块中获取用户的请求数据，并复制到线下；对复制得到的请求数据，进行数据处理和特征分析；基于人工智能算法，对经数据处理和特征分析后的数据进行机器学习，形成策略模型；基于策略模型，结合请求数据，形成不同的线下测试场景；在线下环境回放各个所述线下测试场景，得到其所对应的线下性能数据。

本发明在第一方面的第二种实施方式中，根据环境特征进行机器学习，分析环境特征与性能数据之间关系，形成性能数据修正模型；基于修正模型，对线下测试场景的线下性能数据进行修正，以得到与线上环境相对应的线上性能数据。

结合第一方面的第一种实现方式或第一方面的第二种实现方式，获取用户请求参数并复制到线下，包括：利用系统netfilter框架提供的钩子函数，从IP层直接复制用户的请求参数至线下；对已复制的请求数据包进行处理，只返回维持tcp传输所需内容。

结合第一方面的第一种实现方式或第一方面的第二种实现方式，对复制得到的用户的请求数据，进行数据处理和特征分析，包括：从复制得到的请求数据中获取用于机器学习的单请求特征和组合请求特征；其中，单请求特征包括一次请求的对线上模块的性能有影响的特征，组合请求特征包括多次交互或一时段内多次请求的对线上模块的性能有影响的分布特征。