29 | 最容易失准的性能测试？你需要压测工具界的“悍马”wrk

Jul 31, 2019

29 | 最容易失准的性能测试？你需要压测工具界的“悍马”wrk-极客时间



下载APP





关闭

讲堂部落提薪训练营云原生训练营架构实战营企业版极客商城兑换中心 App下载浏览器插件

渠道合作

推荐作者

29 | 最容易失准的性能测试？你需要压测工具界的“悍马”wrk

2019-07-31 温铭来自北京

《OpenResty从入门到实战》

课程介绍



讲述：温铭

时长09:32大小8.74M



你好，我是温铭。
在测试章节的最后一节课，我和你来聊聊性能测试。这部分内容并非 OpenResty 独有，对于其他的后端服务来说，都是一样适用的。
性能测试很常见，在我们交付产品的时候，都会带有性能指标的要求，比如 QPS、TPS 达到多少，延时要低于多少毫秒，可以并发支持多少用户的连接等等。对于开源项目而言，我们发版本之前也会做一次性能测试，和上一个版本对比，看是否有明显的衰退。也有一些中立的网站，会发布同类产品的性能对比数据。不得不说，性能测试离我们真的很近。
在我的十几年的工作中，针对不同的产品做过很多次性能测试，中间也踩过不少坑。后来，我逐渐地发现，性能测试做起来简单，但做对却并不容易，甚至可以说，很多性能测试的结果都是失准的。
那么，如何做一个科学严谨的性能测试呢？今天这节课，且听我娓娓道来。
性能测试工具工欲善其事，必先利其器。选择一个趁手的性能测试工具，是成功的一半。
ab 这个 Apache Benchmark 工具你应该很熟悉，可以说是最简单的性能测试工具，但可惜的是并不好用。这是因为，当前服务端基本都基于协程和异步 I/O 来开发，性能不差；而 ab 利用不到机器的多核，生成的请求压力不够大。这种情况下，ab 测试得到的结果，并不真实，反而变成了 ab 自身的性能测试。
所以，我们可以明确选择压测工具的一个标准，那就是：工具自身的性能非常强悍，可以生成足够大的压力，压垮服务端程序。
当然，你也可以有钱任性，启动很多压测客户端，变为分布式压测系统。这自然是可行的，但不要忘记，与此同时的复杂度也跟着上去了。
回到 OpenResty 的实践，我们推荐使用的性能测试工具是 wrk。先来说说，为什么选择它呢？
首先， wrk 满足工具选型的标准。单机的 wrk 产生的压力，可以轻松让 Nginx 跑满 CPU，其他服务端程序更是不在话下。
其次， wrk 和 OpenResty 有很多类似的地方。wrk 也不是从零开始编写的一个开源项目，它站在 LuaJIT 和 Redis 这两个巨人的肩膀上，充分利用了系统的多核资源来生成请求。除此之外，wrk 还暴露了 Lua API，你可以嵌入自己的 Lua 脚本，来自定义请求的头和内容，使用非常灵活。
那么该如何使用 wrk 呢？也很简单，看下面这段代码的内容：
wrk -t12 -c400 -d30s http://127.0.0.1:8080/index.html
这意味着 wrk 会使用 12 个线程，保持 400 个长连接，持续 30 秒钟，来给指定的 API 接口发送 HTTP 请求。当然，如果你不指定参数的话，wrk 会默认启动 2 个线程和 10 个长连接。
测试环境找好测试工具后，我们还不能直接开始压力测试，还需要把测试环境给检查一遍，测试环境需要检查的主要有四项，下面我分别来详细讲讲。
检查项一：关闭 SELinux如果你是 CentOS/RedHat 系列的操作系统，建议你关闭 SELinux，不然可能会遇到不少诡异的权限问题。
我们通过下面这个命令，查看 SELinux 是否开启：
$ sestatus
SELinux status: disabled
如果显示是开启的（enforcing），你可以通过$ setenforce 0来临时关闭；同时修改 /etc/selinux/config 文件来永久关闭，将 SELINUX=enforcing 改为 SELINUX=disabled。
检查项二：最大打开文件数然后，你需要用下面的命令，查看下当前系统的全局最大打开文件数：
$ cat /proc/sys/fs/file-nr
3984 0 3255296
这里的最后一个数字，就是最大打开文件数。如果你的机器中这个数字比较小，那就需要修改 /etc/sysctl.conf 文件来增大：
fs.file-max = 1020000
net.ipv4.ip_conntrack_max = 1020000
net.ipv4.netfilter.ip_conntrack_max = 1020000
修改完以后，还需要重启系统服务来生效：
sudo sysctl -p /etc/sysctl.conf
检查项三：进程限制除了系统的全局最大打开文件数，一个进程可以打开的文件数也是有限制的，你可以通过命令 ulimit 来查看：
$ ulimit -n
1024
你会发现，这个值默认是 1024，是一个很低的数值。因为每一个用户请求都会对应着一个文件句柄，而压力测试会产生大量的请求，所以我们需要增大这个数值，把它改为百万级别，你可以用下面的命令来临时修改：
$ ulimit -n 1024000
也可以修改配置文件 /etc/security/limits.conf 来永久生效：
* hard nofile 1024000
* soft nofile 1024000
检查项四：Nginx 配置最后，你还需要对 Nginx 的配置，做一个小的修改，也就是下面这两行代码的操作：
events {
 worker_connections 10240;
}
这样，我们就可以把每个 worker 的连接数增大了。因为它的默认值只有 512，这在大压力的测试下显然是不够的。
压测前检查到此为止，测试环境已经准备好了。一定有人蠢蠢欲动想要上手测试了吧？且慢，在使用 wrk 发起测试之前，让我们最后再来检测一次。毕竟，人总会犯错，换个角度来做一次交叉测试，是非常重要的。
最后的这次检测，可以分为两步。
第一步，使用自动化工具 c1000k。它来自 SSDB 的作者：https://github.com/ideawu/c1000k。从名字你就能看出来，这个工具的目的，就是用来检测你的环境是否可以满足 100 万并发连接的要求。
这个工具的使用也很简单。我们分别启动一个 server 和 client，对应着监听 7000 端口的服务端程序，以及发起压力测试的客户端程序，目的是为了模拟真实环境下的压力测试：
./server 7000
./client 127.0.0.1 7000
紧接着，client 会向 server 发送请求，检测当前的系统环境能否支持 100 万并发连接。你可以自己去运行一下，看看结果。
第二步，检测服务端程序是否正常运行。如果服务端的程序不正常，那么压力测试可能就成了错误日志刷新测试，或者是 404 响应测试。
所以，测试环境检测的最后一步，也是最重要的一步，就是跑一遍服务端的单元测试集，或者手动调用几个主要的接口，来保证 wrk 测试的所有接口、返回的内容和 http 响应码都正常，并且在 logs/error.log 中没有出现任何错误级别的信息。
发送请求好了，到现在，万事俱备，只欠东风了。让我们开始用 wrk 来做压力测试吧！
$ wrk -d 30 http://127.0.0.2:9080/hello
Running 30s test @ http://127.0.0.2:9080/hello
 2 threads and 10 connections
 Thread Stats Avg Stdev Max +/- Stdev
 Latency 595.39us 178.51us 22.24ms 90.63%
 Req/Sec 8.33k 642.91 9.46k 59.80%
 499149 requests in 30.10s, 124.22MB read
Requests/sec: 16582.76
Transfer/sec: 4.13MB
这里，我并没有指定参数，所以 wrk 会默认启动 2 个线程和 10 个长连接。其实，你也并不需要把 wrk 的线程数和连接数调整得很大，只要能够让目标程序跑满 CPU 就达到要求了。
但压测的时间一定不能太短，几秒钟的压测是没有意义的，不然很有可能服务端的程序还没加载完热数据，压测就已经结束了。同时，在压测期间，你需要使用 top 或者 htop 这样的监控工具，来确认服务端目标程序是否跑满 CPU。
从现象上来看，如果 CPU 满载，而且压测停止后，CPU 和内存占用迅速降低，那么恭喜你，这次压测顺利完成。但如果有下面这样的异常，作为服务端开发的你就得特别留意了。
CPU 不能满载。这不会是 wrk 的问题，可能是网络的限制，更可能是你的代码中有阻塞的操作。你可以通过 review 代码来确定，也可以使用 off CPU 火焰图来确定。
CPU 一直满载，即使压测停止仍然如此。这说明在代码中存在热循环，可能是正则表达式引起的，也可能是 LuaJIT 的 bug 引起的，这两点都是我在真实的环境中遇到过的问题。这时，你就需要用 on CPU 火焰图来确定了。
最后再来一起看下 wrk 的统计结果。关于这个结果，我们一般会关注两个值：
第一个是 QPS，也就是 Requests/sec: 16582.76，这个数据很直接，表示服务端每秒钟处理了多少请求。
第二个是延时 Latency 595.39us 178.51us 22.24ms 90.63%，这个数据和 QPS 一样重要，它体现了系统的响应速度。比如对于网关的应用来讲，我们就希望能够把延时控制在 1 毫秒以内。
另外， wrk 还提供了 latency 参数，可以把延时的分布百分比详细地打印出来，比如：
Latency Distribution
 50% 134.00us
 75% 180.00us
 90% 247.00us
 99% 552.00us
不过，wrk 的延时分布数据并不准确，因为它人为地加入了网络和工具的扰动，放大了延时，这一点需要你特别注意。关于 wrk Latency Distribution，你可以通过我以前写的这篇文章来了解详细内容。
写在最后性能测试是个技术活儿，能做对、做好的人不多。希望今天这节课，能让你对性能测试有一个更全面的认识。
最后给你留一个作业题：wrk 支持自定义 Lua 脚本来做压力测试，那么，你可以根据它的文档，写一段简单的 Lua 脚本吗？这可能会有一些难度，但完成的同时，你一定能更深刻地理解 wrk 暴露接口的用意。
欢迎留言写下你的答案和思考，也欢迎你把这篇文章分享给更多的人，我们共同进步。

分享给需要的人，Ta购买本课程，你将得18元

生成海报并分享

赞 2

提建议

28 | test::nginx 还可以这样用？

30 | 答疑（三）如何搭建测试的网络结构？

 写留言

精选留言(7)

老王
2019-07-31
我怎么记得春哥在 google group 里多次提到 ab 是当前最佳测试工具呢
作者回复: 你应该记错了吧？或者是他遇到 wrk 之前的看法
1
言十年
2020-10-01
wrk.method="PUT" function request() local num = math.random(1,99999999) local num1 = math.random(1,99999999) local num2 = math.random(1,99999999) local path = "/v3/333333/" .. num .. "dfadnl" ..num1.."sssssdf" .. num2 .. ".jpg"; headers = {authorization= "xxxxxx"} local content = load_file("/home/www/1M.csv") return wrk.format("PUT", path, headers, content) end local open = io.open local insert = table.insert local concat = table.concat function load_file(filename) local file = open(filename, 'rb') if not file then return end local f = {} for line in file:lines("l") do insert(f, line) end file:close() return concat(f, '\n') end
展开
1
土老鳖
2019-08-06
老师您好，如果我想调试ngx源码，比如测试内存池，或者ngx自己实现的list，甚至是配置文件解析流程。有什么好的办法能让我做加桩测试吗？或者有其他好的建议吗？
作者回复: NGINX 官方提供了调试的方法：https://docs.nginx.com/nginx/admin-guide/monitoring/debugging/
helloworld
2019-07-31
老师，从redis读取数据和向redis写数据，是阻塞操作吗
作者回复: 使用 lua-resty-redis 库来操作的话，就不是阻塞操作，因为底层使用的是 cosocket
许童童
2019-07-31
老师你好，局域网内带宽有限，测不到QPS最大值怎么办？
作者回复: 可以用交换机自己组建一个网络，里面只有测试服务器
许童童
2019-07-31
老师你好， net.ipv4.ip_conntrack_max = 1020000 net.ipv4.netfilter.ip_conntrack_max = 1020000 这两个在centos下配置会报错，是什么原因呢？
作者回复: 具体什么报错呢？centos 什么版本？
共 3 条评论
Charles
2019-07-31
请教温老师，跑wrk的客户端是放在外网上的机器，还是和服务端同一局域网内的机器，哪个更有性能测试意义？谢谢
作者回复: 最好在局域网，排除网络的干扰因素。
共 3 条评论

