动态QPS压测模型【Go语言】
之前写Kafka Client Go实践的时候，跟一位粉丝交流，Go语言的channel实现和Java的多线程实现的性能问题。就想做一次两者的性能测试进行对比。可惜Go语言用得少，还没形成快速进行性能测试的基础能力。所以得建设一些基础设施之后才行，今天分享一下，基于Go语言的动态QPS压测模型实现，算是基础能力建设的一部分了。
本文基于上期提到的Go语言的协程池，查到很多资料，有的不建议复用协程。原因主要两点：
- 协程本身创建开销非常小，可以忽略。频繁创建和销毁协程并不会导致明显的性能瓶颈。
- 协程设计本来基于简单化，使用协程池破坏了使用便捷性
对于第一个观点，以我现在知识和实践经验来说，不是太认同。任何资源的创建和销毁都会消耗资源。假如不适用协程池，那么每一个性能测试任务都消耗一个协程，每秒几万级别的资源创建和销毁事件，总觉得会很大影响施压机的性能。
第二观点，无法反驳，水平不够。就我自己的经验来说，协程池最大的好处是可以控制并发达到控制压测的目的。避免给其他服务造成过载的情况。在实际实践中，限制最大的请求压力，也有很多使用场景，这里不一一叙述。
思路
首先基于Go语言协程池实现，我增加了一个方法，实现将一个任务使用协程池发送N次，也就是添加N次任务即可。这里我复用FunTester在处理大量性能任务的一个经验，就是每次发送任务的数量进行设置。例如：需要任务执行1000次，那么分成100次，每次打包发送10个任务串行。这样可以避免使用更多的线程/协程。增加单个线程/协程每次执行任务的时长，避免下上文切换（协程切换也有成本，没找到对应专业名词），这个做法在Java实践中，效果非常明显。
// ExecuteQps
// @Description: 执行任务固定次数
// @receiver pool
// @param t
// @param qps
//
func (pool *GorotinesPool) ExecuteQps(t func(), qps int) {
mutiple := qps / pool.SingleTimes
remainder := qps % pool.SingleTimes
for i := 0; i < pool.SingleTimes; i++ {
pool.Execute(func() {
for i := 0; i < mutiple; i++ {
t()
}
})
}
pool.Execute(func() {
for i := 0; i < remainder; i++ {
t()
}
})
}
这里的SingleTimes默认值是10，这个根据实际任务执行的速度调整，我自己还没进行对比测试。
接收控制命令
这里依旧使用控制台输入当做控制命令的输入源，方法比较简单。
方法如下：
// HandleInput
// @Description: 处理控制台输入内容
// @param handle
//
func HandleInput(handle func(input string) bool) {
reader := bufio.NewReader(os.Stdin)
for {
text, _ := reader.ReadString('\n')
text = strings.Replace(text, "\n", "", -1)
if handle(text) {
break
}
}
}
用例Demo
这里有个坑，如果使用Go单元测试无法正常使用控制台输入。所以本次演示使用main方法执行测试用例了。
func main() {
pool := execute.GetPool(1000, 2, 200, 1)
var qps int = 1
go ftool.HandleInput(func(input string) bool {
put, error := strconv.Atoi(input)
if error == nil {
log.Printf("input content: %d", put)
qps = put
}
return false
})
for {
pool.ExecuteQps(func() {
log.Println(ftool.Date())
}, qps)
ftool.Sleep(1000)
}
pool.Wait()
}
最后一行，其实有些多余，因为通常使用手动结束进程来结束用例。
通过这个实现，感觉Go语言对使用function当做参数真的非常流畅。这一点Java N个function实现类着实让我有点懵逼。相比之下Groovy的closure也非常丝滑，但由于Groovy语言特性，经常会导致意外错误发生。总结起来，Go语言这方面是真香了。
