线上流量对比应用实践
一、流量比对提出背景
我们在进行代码重构以及需求迭代时,在上线之前需要进行一轮、二轮以及回归测试,如果业务场景比较复杂,那么就会存在以下几个方面的问题:
(1)测试的周期就会相应的拉的比较长;
(2)随着业务功能的不断迭代,测试案例不一定能够覆盖全,一些冷门的隐藏比较深的问题不一定可以及时发现,回归测试难度逐渐增大;
(3)影响发布频率;
(4)开发以及测试人员消耗在测试阶段时间比较长,不利于腾出时间进行下一步的业务迭代、技术改造等工作;
(5)代码质量很多时候依赖人为的 code review,迭代代码行较多,code review 占用时间较多;
为此,我们能否解决这些痛点,使得我们的工作效率得到一定的提升,以及我们代码的质量得到一定的保证,是我们需要思考的一个问题。业内的做法一帮将线上的流量引入对比机器,将生产结果和对比机器进行实时对比,及时暴露问题,开发和测试能够及时发现并进行修改。
二、和流量回放平台的对比
目前业内的流量回放平台基本都是基于流量的录制,将流量引到测试环境进行回放,回放后分析系统存在的问题,在一定程度上只能释放一些回归测试的资源,并不能使我们开发中存在的问题在提测之前可以及时暴露,提前让开发人员解决问题,提高代码提测的质量,我们的目标是要做到即使没有测试参与,也要保证我们的代码质量,如果对线上存量业务的有影响,能够及时得到反馈,形成一个闭环处理,一个实时性的比对方案是很有必要的。
三、流量比对方案
对于一般的业务系统,我们比对的维度一般包括数据库落地数据、mq 消息、接口调用请求参数以及输出四个维度,一般情况下在对比流量是整个生产流量 50%情况下,基本可以覆盖生产案例场景,在此基础上针对这三个维度对比结果一致率接近 100%,那么我们的上线的迭代版本对存量业务的影响是可以得到保证的。主要思路是构建请求报文,执行请求再到分析比对结果。
(1)整体架构
当生产应用处理完对应请求时,所有涉及接口的调用,mq 消息的发送等埋点信息都会被记录到 ES(鉴于 ES 是分布式、高扩展、高实时的搜索和数据分析引擎,通过其提供的接口,可以很方便的获取埋点信息),这时候会发出一条 mq 消息,对比工具监听 mq 消息进行消费,根据对应的订单信息,查询生产订单数据并进行 mock,然后调用对比应用,对比工具延迟一定时间后,根据需要对比的内容进行对比,将比对结果发送 ES,可以根据 ES 对比结果埋点查看对比一致率以及不一致的具体原因。
注:生产应用:实际的生产应用集群
对比应用:我们的迭代版本部署集群
对比工具:单独专门用来跑对比的一个应用
(2)数据埋点
数据买点是比对的前提,包括接口请求的埋点、q 消息的埋点,输入请求的埋点,后续对比工具读取数据进行比对
(3)数据 mock
对比应用不能实际操作 db 以及和上下游系统进行交互,所有数据需要进行 mock,mock 的数据主要是调用下游接口的应答数据,mock 的数据可以写入 redis,对比应用在处理业务逻辑时,可以直接读取 redis 相应的 mock 数据作为返回。
(4)对比配置+数据对比
对比配置一般配置在配置中心,可以根据实际对比的维度进行配置化管理,对比表字段的对比,比如一些时间,可以配置成忽略字段,接口和 mq 里面的一些参数也可以进行配置化忽略对比,比如订单号、发送时间之类。
(5)结果一致率分析
对比工具可以将对比结果发送至 ES,我们可以通过 ES 根据具体的埋点 actionType 筛选对应的比对结果,一致率和不一致原因。
四、总结
线上流量对比方案总体是基于基本的业务埋点,对一个业务流程里面所涉及到的具体接口,mq 消息都需要有一个全面的梳理,需要指出的是,想要真正利用实时对比方案提前知道迭代风险的前提时,我们可以随时发布对比应用,这一点上面应该不要做限制。 我们的愿景是在即使没有测试参与的情况下,开发也可以保证上线代码的安全性,开发自己可以形成闭环。此对比方案存在一些优缺点如下:
优点
(1)可以及时发现代码重构以及版本迭代改动中存在的问题,并及时修复,不必等到提测之后再由测试发现,潜在问题可以提前暴露。不必过度依赖测试来发现问题;
(2)一定程度上释放回归测试的资源;
(3)保证整个研发过程的质量;
(4)可以提升发布频率;
(5)对比应用不需要单独搭建一套对比数据库用于对比,降低对比成本;
(6)对比应用和对比工具作为非核心应用,随改随发,有一定的灵活性;
(7)对比内容灵活化配置;
缺点
(1)对代码有一定程度的入侵,需要发出一个对比的 mq 消息
(2)对于增量业务,因为其没有对比参考对象,目前还没有有效的方式确保代码质量,只有通过 ut 单元测试、代码 code review 等手段进行辅助。
文/HUZHIMIN
关注得物技术,做最潮技术人!
版权声明: 本文为 InfoQ 作者【得物技术】的原创文章。
原文链接:【http://xie.infoq.cn/article/670a26dae58983f3b0f0720e5】。
本文遵守【CC-BY 4.0】协议,转载请保留原文出处及本版权声明。
评论