云原生｜SpringCloud 在Kubernetes 上的最佳实践
作者 | 牛兔
导读：本文是《SpringCloud 应用在 Kubernetes 上的最佳实践》系列文章的第 11 篇，从前面两期开始我们进入到了高可用专题，分别介绍了流量防护和故障演练相关内容。本文将从另一个视角介绍如何保障业务高可用性：即业务准备阶段，提前进行线上的瓶颈定位和容量评估，以便更低成本、更高效/真实的发现系统瓶颈点，做到最精确的容量评估。
高可用体系介绍
首先来介绍下高可用体系，应用生命周期的高可用都有哪些策略、分别可以实现什么能力呢？
从上图示意中可以看出，应用生命周期的整个过程中，都有相应的高可用策略，如前面 2 篇文章介绍的流量防护即为线上运行时的线上管控相关策略，混沌工程即为系统演练的相关策略，而全链路压测即为规划阶段的重要策略，其包括线上压测（即环境选择）、容量规划（即压测实施）、弹性伸缩（即生态内联动）。
以下将重点介绍容量评估的重要性，以及如何实施压测来实现容量评估。
为何要进行容量评估？
关于容量评估的重要性及必要性已经是个老生常谈的问题了，分别从技术角度和业务战略角度总结如下：
容量评估的目的自然是解决容量问题，如新业务上线前的准备，大型营销活动的准备等等。大型活动中洪峰流量引起的系统表现不确定性，是最经典的适用场景。一个理想的营销活动周期应该是有如下闭环流程：
性能测试是容量评估的核心手段，性能测试之后通过客户端-应用系统-基础负载一系列的监控分析，最终可得出瓶颈点位于何处、应如何有针对性地优化。上图可以看出，性能测试通过真实、高效的压测方式进行容量评估/瓶颈定位&解决，最终来保障活动稳定进行。
如何进行性能测试？
阿里巴巴全链路压测从 2013 年到现在也已经是第 7 个年头了，在这 7 年间我们不断积累、总结、优化进步，进行这样一种大规模的项目活动，离不开有效的流程把控及分工管理。关于全链路压测的前期准备，这边将不做赘述，有兴趣的同学可以参考文章。以下将重点介绍压测执行阶段操作。
进行全链路压测之前，单应用会进行内部压测，以便能提升全链路压测的效率，即解决内部问题之后再解决联动问题。故以下将分别介绍 Spring Cloud 应用的压测以及全链路压测分别如何执行。
1. 单应用压测 Spring Cloud 应用
单应用的压测不少开发者会选择开源 JMeter 进行压测，甚至还会进行自建平台以便实现高并发能力。这两者都不推荐，他们都有较为明显的劣势。阿里云性能测试服务（PTS Performance Testing Service）提供了云端压测服务，其完美兼容了 JMeter，只需把脚本上传上来即可发起压测。
同时，目前 PTS 上已经支持直接进行微服务压测，不需要自己设置进行插件管理和升级，只需直接在 PTS 中选择对应的集群等信息，即可快速发起压测。
2. 全链路压测
如前面介绍性能压测流程中所属，整个全链路压测包括的前期事宜较多，如环境选择与改造、数据准备、安全策略等，这部分内容在此不做赘述，有兴趣的可以查阅《Performance Test Together》主题相关介绍。本处主要介绍全链路压测的实施：即配置与线上业务模型一样的业务场景，从公网发起真实流量进行多维度和场景的压测，验证容量能力和瓶颈问题的定位。
一般正式压测会按照压测计划，执行多种压测策略。淘宝的 双11 大促压测，一般包含这样几步：
峰值脉冲：即完全模拟 0 点大促目标峰值流量，进行大促态压测，观察系统表现；
系统摸高：取消限流降级保护功能，抬高当前压测值（前提是当前的目标压测值已经达到，则可以进行摸高测试），观察系统的极限值是多少，可进行多轮提升压力值压测，直到系统出现异常为止。简化摸高测试的提升信息；
限流降级验证：顾名思义，即验证限流降级保护功能是否正常，修改限流降级的作用与验证方法，更简化，（AHAS 引入）商业化产品AHAS(应用高可用服务，Application High Availability Service）提供了全面的限流降级能力，可进行全链路的降级保护；
破坏性测试：这个主要是为了验证预案的有效性，类似于容灾演练时的预案执行演练。即为持续保持大促态压测，并验证预案的有效性，观察执行预案之后对系统的影响。修改破坏性测试的内容。
3. 在 PTS 上压测
上述压测场景的实施，均可以在 PTS 上操作实现，且配置不同的压测量级数据，来进行多轮压测，并观察其系统表现。压测不应该是一次性的操作，而应该是反复的、多轮验证的操作。以下以峰值脉冲为例，介绍如何在 PTS 上实施压测。
首先是场景的构建。PTS 提供了丰富的创建场景方式，包括 JSON、JMX、YAML 脚本的导入，纯交互 0 编码 UI 创建、云端录制器录制结果导入、完美兼容 JMeter 脚本等。下图作为示例：
业务场景构建完成之后，以 PTS 自研原生引擎（即纯交互 UI 编排模型）为例，提供了丰富的压力来源定制化能力，可实现多地域/运营商的来源定制，更真实地模拟真实流量情况。
同时，可通过 SLA + 定时任务能力，实现“无人值守”压测，对核心业务链路进行周期性的性能摸顶。
压测结束后，PTS 提供了可下载的压测报告，有详细统计数据及趋势图数据，采样日志以及添加了的监控数据，可快速进行问题方向的定位于分析。
4. 在 EDAS 上压测 Spring Cloud 应用
EDAS 的微服务治理能力，同时打通了与 PTS 服务的相应的压测能力，进入到服务查询页面之后点击压测按钮即可开始在 PTS 的性能测试，如下图：
结尾
本文简单介绍了下业务高可用体系的相关策略，容量评估的重要性以及核心手段-性能测试的实施方式，同时在 Spring Cloud 下的快速应用。此外，PTS 还提供了更多功能：
全链路压测的流量隔离改造
JMeter 的环境管理及本地化插件
压测过程中，云上业务的架构监控
JMeter 的高级流量定制
......
以性能压测为主线，进行应用系统规划期的容量验证，并以压测数据结果为参考，通过应用高可用服务 AHAS 中流量防护进行从网关到应用多维度的系统防护，以此来实现业务系统上线后的高可用性。后续 PTS 和 AHAS 会提供更多的智能化功能，来更好地帮助实现线上业务在各种极端场景下的连续性。
相关文章推荐：