动态压测模型让工作更轻松
当前的OKR中已经全面接入动态压测模型了,不仅仅是效率的提升,还带来了一个非常意外的收获。
动态模型让工作更加轻松。以往压测,在没有历史数据参考的情况下,一般都是选一个保守的递增策略加上一个足够大的最大值。即使遇到有参考依据的,一般也会将最大QPS值调大已防止出现最后压力不足尴尬。
整个压测过程有时候就变得漫长,前半段总觉得压力长得太慢了,盯着监控略微无聊,又不敢去放心做别的工作。后半段呢,神情紧张,甚至觉得监控刷新频率太低而手动刷新页面。如果服务链路比较复杂,盯的监控就更多还需要跟同事沟通压测事宜,所以压测最后就会变成一个烧脑的活动。
只从接入了动态模型,不仅可以灵活控制压力,还具备了纯人工干预的能力。我先把压力快速增加到预期值的60% ~ 70%,然后降低递增速度,慢慢增加压力。由于增压减压都是手动操作,我完全是看完监控稳定之后再执行加压操作,再也不用担心漏掉某个监控导致负载指标超过安全值。
有了动态模型的加持,压测过程一下子变得轻松了。在完全确认没有问题后,再继续加压。极大避免了压测过程中超出安全值事件得发生。
关于动态模型的想法,也是来源于超出安全值的惨痛经验。在压测过程中,这种自动递增的压测方式,需要大量精力投入监控上。不仅让人精神疲惫也让我在某段时间直接变成了单线程工作机器。
PS:安全值指在不触发报警保障业务稳定的值。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· SQL Server 2025 AI相关能力初探
· AI编程工具终极对决:字节Trae VS Cursor,谁才是开发者新宠?
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
2020-04-12 Groovy的神奇NullObject