最早提到接口测试的优点时，有一个就是执行效率提升，可能是 UI 层面执行的 N 倍。但是今天我要分享的这个案例这个优点的升级版本。
某个接口参数倒是不多，但是每个参数的范围略大，最大的将近 500 个枚举范围，小的也是 20 个。如果把所有参数组合穷举完，粗略估计可能 10 亿级别的。
需求就是要把这部分所有参数组合都遍历进行测试，然后我就开始了踩坑了。
初版方案
一开始的想法就是多个循环嵌套，然后并发发起请求，实现起来非常简单方便。如下：
@Log4j2class TT extends MonitorRT {
static void main(String[] args) { ["types参数集合"].each { def type = it ["id类型集合"].each { def id = it 2.upto(99) { def a = it 2.upto(99) { def b = it 2.upto(99) { def c = it def params = new JSONObject() params.id = id params.endTime = 0 params.type = type params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}") fun { getHttpResponse(getHttpGet(url,params)) } } } } } } }}
复制代码
但是方案的缺陷显而易见。
数量太大，导致后面的异步任务直接被线程池拒绝
无法控制 QPS 和并发数
针对这第一个问题，我是增加了异步线程池等待队列的长度，可以我发现了新的问题，就是内存压力太大，这个会在后面的中也遇到。
升级版
针对存在第二个问题，我回归到性能测试框架中，通过动态调整 QPS 的功能来调整 QPS 或者并发数，这里我选择了 QPS，这个更容易更可控。我的思路是，先把所有参数遍历一遍，存在一个 List 当中，然后在去遍历这个 List，通过动态 QPS 压测模型把所有请求发出去。
static void main(String[] args) { def list = [] ["types参数集合"].each { def type = it ["id类型集合"].each { def id = it 2.upto(99) { def a = it 2.upto(99) { def b = it 2.upto(99) { def c = it def params = new JSONObject() params.id = id params.endTime = 0 params.type = type params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}") } } } } } AtomicInteger index = new AtomicInteger() def test = { def increment = index.getAndIncrement() if (increment >= list.size()) FunQpsConcurrent.stop() else getHttpResponse(getHttpGet(url, list.get(increment))) } new FunQpsConcurrent(test,"遍历10亿参数组合").start() }
复制代码
但是新的问题立马就来了，当我运行改代码的时候，发现本机的 CPU 疯狂飙升，仔细看了一下，原来是 GC 导致的。存放这么多的数据，内存撑不住了。下面就着手解决内存的问题，这里参考10 亿条日志回放chronicle性能测试中的思路。
终版
这里用到了线程安全的队列java.util.concurrent.LinkedBlockingQueue以及对应长度的等待功能，再配合异步生成请求参数，基本上完美解决需求。这里依旧使用休眠 1s 来进行缓冲，避免队列长度过大，只有队列长度足够 1s 的 2 倍消费即可。
static void main(String[] args) { def ps = new LinkedBlockingQueue() fun { ["types参数集合"].each { def type = it ["id类型集合"].each { def id = it 2.upto(99) { def a = it 2.upto(99) { def b = it 2.upto(99) { def c = it def params = new JSONObject() params.id = id params.endTime = 0 params.type = type params.paramMap = parse("{\"a\":\"${a}\",\"b\":\"$b\",\"c\":\"$c\"}") if (ps.size() > 10_0000) sleep(1.0) ps.put(params) } } } } } } AtomicInteger index = new AtomicInteger() def test = { def params = ps.poll(100, TimeUnit.MILLISECONDS) if (params == null) FunQpsConcurrent.stop() else getHttpResponse(getHttpGet(url, params)) } new FunQpsConcurrent(test, "遍历10亿参数组合").start() }
复制代码
随着对队列的学习和使用，最近自己也想写一个 10 亿级别的日志回放功能，到时候对比chronicle看看性能如何，敬请期待。
评论