压力测试（性能测试）和性能调优实战---jmeter、jamon、jconsole

   现在网站高并发情况下，上个关键功能点都需要进行压力测试，进行性能调优，如何去做呢？来个实战吧

   现在压力测试jmeter使用也非常普遍了，对于一些页面测试的，登录cookie等模拟的直接用jmeter就能做到，也可以用badboy录制脚本就能直接使用，但对于hessian接口的压测就比较麻烦，下面以对hessian接口压测为列

  jmeter提供了对java等测试的扩展，但需要自己写脚本，建立个java工程，引入

 

 

可见jmeter充分预留了扩展功能。还有引入依赖的hessian的jar，以及hessian接口的jar编写脚本如下：

 

//继承AbstractJavaSamplerClient
public class hessianTest extends AbstractJavaSamplerClient{

                //hessian调用地址
	private static String url = "http://10.20.147.182:8080/hessian/remoting/userService";
	MyService collect = null;
	HessianProxyFactory factory = new HessianProxyFactory();
	public int id;
	
	@Override
	public void setupTest(JavaSamplerContext arg0) {
		//获取jmeter传入参数
		 id=arg0.getIntParameter("id");
		try {
			collect = (MyService) factory.create(
					MyService.class, url);
		} catch (MalformedURLException e) {
			e.printStackTrace();
		}
	}

	@Override
	public SampleResult runTest(JavaSamplerContext arg0) {
		SampleResult sp = new SampleResult();
		sp.sampleStart();
		User rt = null;
		try {
			rt = collect.getUser(id);
		} catch (Exception e) {
			sp.sampleEnd();
			sp.setSuccessful(false);
			return sp;
		}
		sp.sampleEnd();
		if(rt.getId()==id)
			sp.setSuccessful(true);
		else
			sp.setSuccessful(false);
		return sp;
	}

	@Override
	public void teardownTest(JavaSamplerContext context) {
		super.teardownTest(context);
	}

}

 

把此脚本打包jar，连同hessian的jar，以及hessian接口的jar，放入jmeter的lib\ext目录下，这样jmeter才能调用到脚本。启动jmter，新建线程组，java请求和聚合报告如下

 

 

 

java请求中可以看到，刚才新建的脚本，在类名称当中能选择了，id是可以依据需要设置，后台脚本能够动态读取的，这就是需要压力测试的脚本，把此脚本保存在bin目录下，

在调试的时候可以使用在windows下界面，真正压力测试肯定要在lunix下执行

下面直接配置jamon和jconsle，jconse配置很简单，只要在tomcat加上参数

JAVA_OPTS="$JAVA_OPTS -Xms64m -Xmx128m -Dcom.sun.management.jmxremote -Dcom.sun.management.jmxremote.port=1688 -Dcom.sun.management.jmxremote.authenticate=false -Dcom.sun.management.jmxremote.ssl=false"

就能在1688端口直接上，监控jvm运行情况

 

 

至于jamon，就需要进行如下操作

 

1、tomcat的server.xml中加上

<Engine name="Catalina" defaultHost="localhost">下面加，这是tomcat6的，其他版本依据其他的配置
 <Valve className="com.jamonapi.http.JAMonTomcatValve"/>

2、lib中加jamon-2.7.jar jamontomcat-2.7.jar

3、webapp加项目jamon，可直接去附件下载

4、hessian接口项目需要加spring配置

<bean
		class="org.springframework.aop.framework.autoproxy.BeanNameAutoProxyCreator">
		<property name="beanNames">
			<list>
				<value>*Service</value>
			</list>
		</property>
		<property name="interceptorNames">
			<list>
				<value>performanceMonitorInterceptor</value>
			</list>
		</property>
	</bean>
	<bean id="performanceMonitorInterceptor"
		class="org.springframework.aop.interceptor.JamonPerformanceMonitorInterceptor">
		<property name="logTargetClassInvocation" value="true" />
		<property name="trackAllInvocations" value="true" />
	</bean>

 其中的*Service是指拦截的接口，
  log4j.properties需要添加如下配置

log4j.logger.org.springframework.aop.interceptor.JamonPerformanceMonitorInterceptor =TRACE

 

 

这样就能够通过jamon监控每个方法的执行时间了。

如果你的日志调成info级别，你就能看到jamon监控方法执行的日志，如：

2010-11-10 11:46:54,436 TRACE[JamonPerformanceMonitorInterceptor.java:110] : JAMon performance statistics for method [hessian.server.impl.SleepServiceImpl.synchronizedMork]:
JAMon Label=hessian.server.impl.SleepServiceImpl.synchronizedMork, Units=ms.: (LastValue=90117.0, Hits=108.0, Avg=53088.28703703704, Total=5733535.0, Min=3001.0, Max=115330.0, Active=0.0, Avg Active=17.814814814814813, Max Active=30.0, First Access=Wed Nov 10 11:02:44 CST 2010, Last Access=Wed Nov 10 11:46:54 CST 2010)

 

 

启动tomcat，进入jmeter下bin目录执行之前保持的脚本

 

./jmeter -n -t user.jmx -l user.jtl

 

开始压力测试

 

hessian接口的测试代码如下：

	public User getUser(int id) {
		//log.info(" id==" + id);
		sleepService.sleep();
		sleepService.consumeMemery();
		sleepService.synchronizedMork();
		User u = new User();
		return u;
	}



public class SleepServiceImpl implements SleepService{
	private static Object o=new Object();
	private List<User> list=new ArrayList<User>();
	public void sleep() {
		try {
			Thread.sleep(5000);
		} catch (InterruptedException e) {
			e.printStackTrace();
		}
	}
	
	public void consumeMemery(){
		for(int i=0;i<1000;i++){
			list.add(new User());
		}
	}

	public void synchronizedMork() {
		synchronized(this){
			try {
				Thread.sleep(3000);
			} catch (InterruptedException e) {
				e.printStackTrace();
			}
		}
		
	}

}
 

 三个方法分别模拟了响应时间长，内存溢出，锁等情况！直接压就可以发现如下结果

 

 

summary +     1 in   8.1s =    0.1/s Avg:  8113 Min:  8113 Max:  8113 Err:     0 (0.00%)
summary +     3 in  16.4s =    0.2/s Avg: 13380 Min: 10343 Max: 16419 Err:     0 (0.00%)
summary =     4 in  17.3s =    0.2/s Avg: 12063 Min:  8113 Max: 16419 Err:     0 (0.00%)
summary +     4 in  28.6s =    0.1/s Avg: 24014 Min: 19456 Max: 28574 Err:     0 (0.00%)
summary =     8 in  29.3s =    0.3/s Avg: 18039 Min:  8113 Max: 28574 Err:     0 (0.00%)
summary +     3 in  37.7s =    0.1/s Avg: 34649 Min: 31611 Max: 37687 Err:     0 (0.00%)
summary =    11 in  38.3s =    0.3/s Avg: 22569 Min:  8113 Max: 37687 Err:     0 (0.00%)

 

 

其中0.1/s Avg就是tps，也就是系统的吞吐量，可见非常的低，查看jconse，

 

名称： http-8080-28
状态：BLOCKED 在 hessian.server.impl.SleepServiceImpl@7d7636ca 上，拥有者： http-8080-26
阻塞总数：2  等待总数： 1

堆栈追踪：
hessian.server.impl.SleepServiceImpl.synchronizedMork(SleepServiceImpl.java:29)
sun.reflect.GeneratedMethodAccessor71.invoke(Unknown Source)
sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
java.lang.reflect.Method.invoke(Method.java:597)

 

当然这些线程信息也可以通过kill -3 javaid查看到

可以看到很多的线程是BLOCKED 的，需要优化，也可以进入jamon，http：//ip：端口/jamon

 

 

 

 

 

通过上图，可以看到什么方法非常耗时，就可以进行专门优化，把sleep和synchronizedMork注释，再运行压，

你会发现jconse很快就会报内存溢出，java.lang.OutOfMemoryError: Java heap space

 在lunix下通过top+1你会看到有个cpu使用率在100%左右，那是一直在gc却已经不行了

 

原来是那个consumeMemery在消耗内存，再优化掉后压

你会发现

 

summary + 13977 in   3.9s = 3578.3/s Avg:     3 Min:     0 Max:   165 Err:     0 (0.00%)
summary + 102067 in  10.1s = 10154.9/s Avg:     2 Min:     0 Max:   118 Err:     0 (0.00%)
summary = 116044 in  13.9s = 8344.9/s Avg:     2 Min:     0 Max:   165 Err:     0 (0.00%)
summary + 107456 in  10.0s = 10739.2/s Avg:     2 Min:     0 Max:    25 Err:     0 (0.00%)
summary = 223500 in  23.9s = 9349.1/s Avg:     2 Min:     0 Max:   165 Err:     0 (0.00%)
summary + 103882 in  10.0s = 10379.9/s Avg:     2 Min:     0 Max:    29 Err:     0 (0.00%)
summary = 327382 in  33.9s = 9655.6/s Avg:     2 Min:     0 Max:   165 Err:     0 (0.00%)

 

tps一下升到了9k多，这样一台机器就能扛住每秒9k的访问量了，那一天能支持多少pv呢？你自己算，当然这是模拟

通过这样循环测试优化，再进行稳定性测试，最终达到你期望的结果

 

 

服务器瓶颈经验数据：
–      file server:   network>memory>disk io
–      static resources server:   network>memory>cpu
–      java web server:   JVM>cpu>memory
–      db server:   memory>disk io>cpu>network
–      cache server:   memory>cpu>network

 

当然还有其他的监控工具，如javamelody，还有jvm的监控jvisualvm等，或者直接用命令监控，如jmap，jstat等等

总之达到你期望的目标，工具是辅助发现问题，优化才是根本

 

 

 

压测前，要对lunix参数调整一下/etc/sysctl.conf

fs.file-max = 65535

#Allow for more PIDs

kernel.pid_max = 65536

#Increase system IP port limits

net.ipv4.ip_local_port_range = 2000 65000

 

# TCP and memory optimization

# increase TCP max buffer size setable using setsockopt()

net.ipv4.tcp_rmem = 4096 87380 8388608

net.ipv4.tcp_wmem = 4096 87380 8388608

 

# increase Linux auto tuning TCP buffer limits

net.core.rmem_max = 8388608

net.core.wmem_max = 8388608

net.core.netdev_max_backlog = 5000

 

修改后：

sysctl -p /etc/sysctl.conf        // 作用:重新载入/etc/sysctl.conf文件

 

 

 

Load高的分析点：

1．  GC

2．  IO（vmstat）

3．  线程Blocked