【连载 21】性能测试实践——超时结账第一回合

2025-03-11
河北
本文字数：3042 字
阅读完需：约 10 分钟

3.7.1 超市结账第一回合

让我们把目光转回小八超市。最近生意红火，8 个收银台忙得团团转，早高峰时连上厕所的时间都没有。收银员们叫苦不迭，纷纷建议老板临时增加 2 个收银台。小八思前想后，决定先对现有的 8 个收银台进行一次摸底，看看在满负荷运转的情况下，每分钟能结账多少顾客。根据摸底结果，再决定是否增加临时收银台。

以此为背景，我们来设计一个性能测试用例。根据需求分析，我们选择线程模型，也就是排队模型，总并发数量为 8。测试内容就是模拟顾客结账的流程，简化为三个步骤：扫码计价、付款结账和打包走人。为了给收银员留出热身时间，我们设置了 2 分钟的 Rump-Up 时间。

相信大家对这种场景已经驾轻就熟，下面是我设计的多线程类。为了增加一点挑战性，我分别统计了三个步骤的耗时，并且支持异步输出实时信息，这样可以更快定位系统瓶颈，提升排查效率。

既然要增加额外的统计和异步输出功能，必然需要一个额外的线程来完成这个任务。为了避免线程开销，我在 TaskExecutor 类中增加了一个属性 realTimeThread：

/** * 实时信息输出线程，用于实时统计一段时间的TPS和平均耗时 */public Thread realTimeThread;

复制代码

这样在 start()方法中稍加改造即可使用。当 realTimeThread 未赋值时，默认只统计当前实时 TPS 和 RT。

if (realTimeThread == null) realTimeThread = new Thread() {    @Override    public void run() {        while (realTimeKey) {            // 重复代码，省略        }    }};realTimeThread.start();

复制代码

接下来我们编写多线程任务类代码。增加了三个阶段方法以及对应的统计属性。本次数据统计采用了实时 TPS 和 RT 相同的方案，使用一个全局线程安全对象计算总耗时，然后依据实时 TPS 计算平均耗时。

为了增加统计数据的波动性，在 pay()方法中增加了时间相关变量作为休眠参数。多线程任务类代码如下：

package org.funtester.performance.books.chapter03.section7;
import org.funtester.performance.books.chapter03.common.ThreadTool;import org.funtester.performance.books.chapter03.section3.ThreadTask;
import java.util.ArrayList;import java.util.concurrent.atomic.AtomicLong;
/** * 超市收银台性能测试用例 */public class SupermarketCheckoutTaskFirst extends ThreadTask {
    /**     * 计价耗时统计     */    public static AtomicLong priceCostTime;
    /**     * 支付耗时统计     */    public static AtomicLong payCostTime;
    /**     * 打包耗时统计     */    public static AtomicLong packCostTime;
    /**     * 构造方法     * @param totalNum 执行的总次数     */    public SupermarketCheckoutTaskFirst(int totalNum) {        this.totalNum = totalNum;        this.costTime = new ArrayList<>(totalNum);        priceCostTime = new AtomicLong();        payCostTime = new AtomicLong();        packCostTime = new AtomicLong();    }
    /**     * 业务操作，计价、支付、打包     */    @Override    public void test() {        long start = System.currentTimeMillis();        price();        long price = System.currentTimeMillis();        priceCostTime.addAndGet(price - start);        pay();        long pay = System.currentTimeMillis();        payCostTime.addAndGet(pay - price);        pack();        long pack = System.currentTimeMillis();        packCostTime.addAndGet(pack - pay);    }
    /**     * 计价     */    public void price() {        ThreadTool.sleep(10);    }
    /**     * 支付     */    public void pay() {        ThreadTool.sleep((int) (System.currentTimeMillis() % 10000) / 100);    }
    /**     * 打包     */    public void pack() {        ThreadTool.sleep(10);    }}

复制代码

测试用例如下：

package org.funtester.performance.books.chapter03.section7;
import org.funtester.performance.books.chapter03.common.ThreadTool;import org.funtester.performance.books.chapter03.section3.ThreadTask;import org.funtester.performance.books.chapter03.section4.TaskExecutor;
import java.util.ArrayList;import java.util.List;
/** * 超市收银台性能测试用例 */public class SupermarketCheckoutCase {
    public static void main(String[] args) throws InterruptedException {        int total = 1000;        List<ThreadTask> tasks = new ArrayList<>();        for (int i = 0; i < 8; i++) {            SupermarketCheckoutTaskFirst supermarketCheckoutTask = new SupermarketCheckoutTaskFirst(total);            tasks.add(supermarketCheckoutTask);        }        TaskExecutor taskExecutor = new TaskExecutor(tasks, "超市收银台性能测试用例", 120);        Thread thread = new Thread() {            @Override            public void run() {                while (taskExecutor.realTimeKey) {                    ThreadTool.sleep(1000);                    long sumCost = TaskExecutor.realTimeCostTime.sumThenReset();                    long sumTimes = TaskExecutor.realTimeCostTimes.sumThenReset();                    System.out.println(String.format("实时统计TPS: %d, 平均耗时: %d", sumTimes, sumTimes == 0 ? 0 : sumCost / sumTimes));                    long price = SupermarketCheckoutTaskFirst.priceCostTime.getAndSet(0);                    long pay = SupermarketCheckoutTaskFirst.payCostTime.getAndSet(0);                    long pack = SupermarketCheckoutTaskFirst.packCostTime.getAndSet(0);                    System.out.println(String.format("实时统计各阶段耗时: price: %d, pay: %d, pack: %d", price / sumTimes, pay / sumTimes, pack / sumTimes));                }            }        };        taskExecutor.realTimeThread = thread;        taskExecutor.start();    }}

复制代码

控制台输出信息如下（省略了重复内容）：

实时统计各阶段耗时: price: 11, pay: 51, pack: 11实时统计TPS: 12, 平均耗时: 84实时统计各阶段耗时: price: 10, pay: 52, pack: 11实时统计TPS: 23, 平均耗时: 84// 其他Rump-Up阶段信息省略Rump-Up结束，开始执行测试任务!实时统计TPS: 88, 平均耗时: 90实时统计各阶段耗时: price: 11, pay: 67, pack: 11实时统计TPS: 80, 平均耗时: 100实时统计各阶段耗时: price: 11, pay: 78, pack: 11任务执行完毕! 预期执行次数: 1000, 实际执行次数 1000, 错误次数 0, 耗时收集数量: 1000// 此处省略相同多线程任务结束日志测试TPS: 129, 平均耗时: 62测试TPS: 129, 总执行次数: 8000最小值：20最大值：127平均值：6250分位值：5790分位值：10795分位值：11699分位值：124999分位值：126任务执行完毕! 压测时长: 62 秒, 预期执行次数: 8000, 实际执行次数 8000, 错误次数 0, 耗时收集数量: 8000