week 7 作业

关注
发布于: 2020 年 07 月 22 日
1，性能压测的时候，随着并发压力的增加，系统响应时间和吞吐量如何变化，为什么？﻿
随着并发压力的增加，系统的响应时间应该是越来越高。而对应的吞吐量应该在增加到一个临界点后随着并发压力的增加，吞吐量会越来越小。
﻿
下图横轴是并发数，纵轴是系统吞吐量，可以看到当并发数在[0,a]性能测试区间时，系统的吞吐量是0。在[a-b]区间随着并发数的增加，系统吞吐量也随之增加，这一段接近于线性增长。在[b-c]负载测试区间继续增加并发数，系统吞吐量也在增加，但是增长很慢。到了c点，便是系统最大吞吐量。在[c-d]压力测试区间继续增加并发数，会使系统吞吐量骤减，这是因为并发请求越多，消耗的系统资源也就越多，线程不断争夺资源，而此时的并发请求数已经达到系统的极限，系统处理不了这么多的请求，响应时间变得越来越长，对应的系统吞吐量也就越来越小了。直到到达d点后，系统进入崩溃状态。
﻿
﻿
﻿
2，用你熟悉的编程语言写一个web性能压测工具，输入参数：URL，请求总次数，并发数。输出参数：平均响应时间，95%响应时间。用这个测试工具以10并发、100次请求压测www.baidu.com﻿
 输入参数：请求地址、请求总次数、并发数
static String url = "https://www.baidu.com";
static int count = 100;	// 请求总次数
static int batchSize = 10;	// 并发数
﻿
开始测试，循环100次，每次并发10个线程请求，同时记录每次总响应时间。
﻿
int index = 0;	// 请求次数
long[] responseTimeArr = new long[count];	// 响应时间数组
while(index < count) {	// 循环100次
    // 使用线程池，固定10个线程
    ExecutorService executorService = Executors.newFixedThreadPool(batchSize);	
    long t1 = System.currentTimeMillis();	// 开始时间
    for(int i = 0; i < batchSize; i++) {
        executorService.submit(new Runnable() {
            @Override
            public void run() {
                getRequest(url);	// 请求url
            }
        });
    }
    executorService.shutdown();
    while(!executorService.isTerminated()) {
        // 等待线程池关闭
    }
    long t2 = System.currentTimeMillis();	// 结束时间
    System.out.println(String.format("第%s批总耗时：%sms", index, (t2-t1)));
    responseTimeArr[index++] = t2 - t1;
}
﻿
HTTP使用GET方法进行请求
public static String getRequest(String requestUrl){
    HttpURLConnection connection = null;
    InputStream is = null;
    BufferedReader br = null;
    String result = null;// 返回结果字符串
    try {
        // 创建远程url连接对象
        URL url = new URL(requestUrl);
        // 通过远程url连接对象打开一个连接，强转成httpURLConnection类
        connection = (HttpURLConnection) url.openConnection();
        // 设置连接方式：get
        connection.setRequestMethod("GET");
        // 设置连接主机服务器的超时时间：15000毫秒
        connection.setConnectTimeout(15000);
        // 设置读取远程返回的数据时间：60000毫秒
        connection.setReadTimeout(60000);
        // 发送请求
        connection.connect();
        // 通过connection连接，获取输入流
        if (connection.getResponseCode() == 200) {
            is = connection.getInputStream();
            // 封装输入流is，并指定字符集
            br = new BufferedReader(new InputStreamReader(is, "UTF-8"));
            // 存放数据
            StringBuffer sbf = new StringBuffer();
            String temp = null;
            while ((temp = br.readLine()) != null) {
                sbf.append(temp);
                sbf.append("\r\n");
            }
            result = sbf.toString();
        }
    } catch (Exception e) {
        e.printStackTrace();
    } finally {
        // 关闭资源
        if (null != br) {
            try {
                br.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        if (null != is) {
            try {
                is.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        connection.disconnect();// 关闭远程连接
    }
    return result;
}
计算响应时间和95%响应时间
// 计算平均耗时
long[] resTop6 = new long[6];       // 倒序存储最大的6个响应时间
long sum = 0;
for(int i = 0; i < responseTimeArr.length; i++) {
    long cur = responseTimeArr[i];
    for(int j = 0; j < resTop6.length; j++) {
        if(resTop6[j] < cur) {
            for(int k = resTop6.length - 1; k > j; k--) {
                resTop6[k] = resTop6[k-1];
            }
            resTop6[j] = cur;
            break;
        }
    }
    sum += cur;
}
long avg = sum / responseTimeArr.length;	// 计算平均响应时间
long res95 = resTop6[resTop6.length - 1];	// 95%响应时间
for(int i = 0; i < resTop6.length; i++) {
    System.out.print(resTop6[i] + ", ");
}
System.out.println();
System.out.println(String.format("平均响应时间：%sms，95响应时间：%sms", avg, res95));
﻿
测试结果
1072, 164, 151, 107, 54, 52,	// 响应时间最大的前6个
平均响应时间：40ms，95响应时间：52ms
﻿