测试右移-后台服务监控告警实践
前言
前段时间，公司上线了“大屏”项目，用于对接展示一些业务平台的数据。但是在上线后使用过程中，产品或业务经常反馈前台页面没有数据。出现这种情况后，开发人员会去排查问题，解决后再通知产品或业务人员解决修复情况。虽然研发每次都能在较短的时间内响应并解决问题，但运行一段时间后又会反复出现，也给用户造成了极其不好的使用体验。而本文则是基于“测试右移”思想，开展的一次后台服务监控告警的实践记录总结，整个实践过程可以分为：
- 收到问题反馈；
- 沟通定位问题；
- 讨论并选定解决方案；
- 解决方案实现；
- 验证解决方案；
- 优化解决方案；
- 实施解决方案；
什么是“测试右移”
在正式开始之前，先简单介绍一下“测试右移”：
我们都知道，软件测试活动应当贯穿整个软件生命周期，包括需求讨论分析阶段、研发设计编码阶段、测试阶段、上线后的监控运行阶段。“测试右移”是在产品上线后，为了验证在真实的用户数据环境下，功能、性能以及产品体验，是否符合预期而开展的一系列监控、分析、测试活动，以达到持续监控软件线上质量的目的。一旦线上发生任何问题，则可以提前反应，主动分析，尽快处理，给用户以良好的使用体验。
一、收到问题反馈
从项目上线不久，即收到产品多次在项目群中反馈的以上问题。开发经过定位后，给出的说法是“后台链接断掉了”。在其重启后台服务后，该项目确实平稳运行了一段时间，但一段时间后，又会再次发生链接断掉、前台无数据展示的情况。此问题给用户造成了很不好的使用体验。
二、沟通定位问题
1.服务架构
经过和研发的几次沟通交流，我画了份草图，尝试理解和说明问题的产生原因。先简单介绍一下大屏项目的后台服务架构，后台服务假设为B服务。B服务监听的是本地5081端口，通过TCP与网关进行连接，网关通过websocket将B服务传来的后台数据推送给前端进行展示，用户可以通过9530端口进行页面访问。网关与前端之间的websocket连接相对较为稳定，导致出问题的是B服务与网关之间的TCP连接经常断掉，从而导致网关拿不到数据，前端无法展示数据。
三、讨论并选定解决方案
1.讨论分析解决方案
既然了解了问题所在，那么就可以针对性地设计解决方案。经过与研发的交流讨论，共总结了以下方案：
① 监控后台服务端口
通过shell脚本+定时任务，每几分钟轮询一次，判断5081端口是否处于连接状态，来确定后台服务与网关之间的TCP链接是否正常，若是断链，则向企业微信发送告警消息、通知人为处理，并自动重启后台服务。这种方法优点是：
- 最为简单快捷，能够及时通知相关研发测试及时去关注服务连通性，而不是等待客户发现，做到了主动监控；
- 通过重启机制，能重启后台服务、重新建立TCP链接；
缺点是：
- 启动shell脚本，开启进程，占用系统资源；
- 部分情况下可能并不是TCP链接断掉，也可能是连接数量达到上限导致的问题，并没有从根本层面解决问题；
② 业务层代码解决
在业务层的代码中增加“定期检查与网关之间的TCP连接状态”机制，若出现连接断掉的情况，及时重新连接，和上述第一种方式类似，只不过由shell脚本改成了业务代码的形式。
③ 修改底层框架
对于底层通信框架，这个我了解不多。从研发出得到的结论是，改动比较大，需要修改地方比较多，可能会造成其他连带风险。
2.选定解决方案
由于底层框架修改代价较高，可能会导致其他风险、甚至影响到其他在运行项目，且项目需要重新排期，因此，经过一番权衡，我们决定采用第一种通过shell脚本监控后台服务状态的方式来实现解决。
四、解决方案实现
1.总体方案设计
- send_msg.py：python脚本，向企微发送消息，通知人为干预；
- monitor.sh：shell脚本，用于监听5081端口，判断服务是否为正常连接状态，若连接异常，则重启服务，并驱动执行send_msg.py的，向企微发送消息；
- 定时任务：配置一个每五分钟执行一次的定时任务，用于执行monitor.sh，检测TCP连接状态；
2.编写监控脚本
1）服务监控脚本
5081为后台服务本地端口，其与网关之间建立连接后，正常连接下，监听状态为“ESTABLISHED”；异常连接时，监听状态为“TIME_WAIT”。因此可以通过判断监听状态来判断服务的连接情况。
具体实现如下
#!/bin/sh
export PYTHON_HOME=/home/python3
export PATH=${PATH}:${PYTHON_HOME}"/bin"
# 判断5081端口连接状态
connect_number=`netstat -antp | grep 5081 | grep ESTABLISHED | wc -l`
echo $connect_number
if [ $connect_number != "0" ];then
echo "5081端口连接状态正常"
else
echo "5081端口已断开！！！"
# 重启后台服务
/home/BCS/bin/start.sh
# 执行Python脚本，发送企微消息通知
/home/python3/bin/python3 /home/send_msg.py
fi
注意事项：
脚本开头一定要导出环境变量，否则系统会识别不到Python3，即使/etc/profile中已配置好了Python3的环境变量。（在配置定时任务时发现，怎么都不执行发送消息的Python脚本，困扰了好久）
2）Python发送通知脚本
服务器需提前安装Python环境，可参照前面的文章《Linux下一键安装Python3&更改镜像源&虚拟环境管理技巧》
class EnterpriseWechatNotification: def __init__(self, hook: list): self.hook_url_list = [f"https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key={i}" for i in hook] self.header = {'Content-Type': 'application/json'} def send_msg(self, result=''): """发送企业微信消息通知""" global payload current_time = time.strftime("%Y-%m-%d-%H-%M-%S", time.localtime()) content = f"""** 【大屏服务监控】** > 当前时间: {current_time} > 当前环境: #开发环境 > 告警事件: #大屏服务断链，请及时处理！！！ {result}""" payload = { "msgtype": "markdown", "markdown": { "content": content } } for hook_url in self.hook_url_list: requests.post(url=hook_url, headers=self.header, data=json.dumps(payload)) if __name__ == '__main__': # 企业微信群中创建一个机器人，即可拿到hook_url # 此处为一个hook ID的列表，传入多个，则发送到多个群 EnterpriseWechatNotification(hook=["xxxxxxxxxx"]).send_msg()
3.配置服务器定时任务
1）编辑定时任务
crontab -e
配置内容如下：
SHELL=/bin/bash PATH=/sbin:/bin:/usr/sbin:/usr/bin MAILTO=root # For details see man 4 crontabs # Example of job definition: # .---------------- minute (0 - 59) # | .------------- hour (0 - 23) # | | .---------- day of month (1 - 31) # | | | .------- month (1 - 12) OR jan,feb,mar,apr ... # | | | | .---- day of week (0 - 6) (Sunday=0 or 7) OR sun,mon,tue,wed,thu,fri,sat # | | | | | # * * * * * user-name command to be executed # 每5分钟执行一次monitor.sh */5 * * * * root /home/monitor.sh &
2）重启定时任务服务
systemctl restart crond
五、测试环境验证
将项目后台服务断掉，五分钟后，企业微信收到消息通知。可见，脚本及定时任务均正常运行。
由于服务重连需要一段时间，通常在一分钟以内。过一分钟后查看，服务已自动重启：
六、优化解决方案
上述方案虽能够监控服务连接状态并重启服务、发送消息通知等情况，但也面临一些缺点：运行脚本的服务器需要安装Python3，Python3相关进程也会占用系统资源。Python脚本的本质是调用企业微信的webhook，发送指定内容，那么能否直接在shell脚本中来实现同样的功能？答案是肯定的。(下列脚本为本项目后台开发设计编写，此处仅作引用、添加了一些注释方便理解，以供参考)
#!/bin/bash date=`date +%Y/%m/%d\ %H:%M:%S` # 重连函数 re_connet() { echo $date ">>>连接已经断开,正在重连中..." cd /home/jumploo/risun/BCS/bin sh restart cd - watch_msg # 调用发送消息函数 } # 发送消息函数 watch_msg() { num=$connect_num # 循环20次，每3秒轮询一次，时长共60秒 for i in {1..20};do # 此处判断逻辑与上述脚本中相同 link_num_=`netstat -antp | grep 5081 | grep "ESTABLISHED" | wc -l` sleep 3s if [ $link_num_ == 1 ];then echo $date ">>>重新连接成功!" break; fi if [ $i == 20 ];then echo $date ">>>重新连接失败 , 发送企微消息" # 通过curl命令工具请求企业微信群机器人的webhook_url，发送消息通知到企业微信 curl 'https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxxxxxxx' \ -H 'Content-Type: application/json' \ -d ' { "msgtype": "markdown", "markdown": { "content": "<font color=\"warning\">大屏监控消息</font>\n > 影响范围:<font color=\"comment\">开发环境 120.48.19.238</font>\n > 状态:<font color=\"comment\">当前尝试连接失败!</font>" } }' fi done } #echo "=============== 监控 大屏数据 bcs 连接 开始! ===================" link_num=`netstat -antp | grep 5081 | grep "ESTABLISHED" | wc -l` if [ $link_num = 0 ];then re_connet # 调用重连函数 else echo $date ">>>连接依旧存在!" fi
再创建一个脚本，用于生成日志文件，内容如下：
#!/bin/bash sh /home/watch.sh >> /home/log_watch.log &
配置定时任务，5分钟执行一次。测试环境，手动停止B项目的后台服务后，企业微信通知效果如下：
七、实施解决方案
我们采用的是Shell脚本中发送企微通知的方案，这样更有利于节约资源。在测试环境验证通过后，即可在生产环境进行部署，步骤同测试环境中的部署步骤一致。
小结
以上就是基于xx后台服务监控告警的一次“测试右移”的实践过程：
- 作为项目的测试人员，除了要完成项目测试的基本工作，还应当能够及时跟进问题反馈、了解问题背后的真实原因、参与讨论解决方案，驱动问题解决，从而“变被动为主动”；
- 确切地说，上述解决方案并不是上上之选，是在结合时间、风险、人力等项目实际情况，综合评定后所做的选择。截至目前，项目一直平稳运行，未再出现前面项目群中反馈的无数据问题。当然，没有问题反馈并不代表就可以高枕无忧，
更多测试开发干货，欢迎关注！
