20| Jmeter5.X压力测试(库存扣减超发) 小滴课堂讲师 2024年08月08日 预计阅读 11 分钟 原文 ### 常用测试工具对 `LoadRunner`：性能稳定，压测结果及细粒度⼤，可以⾃定义脚本进⾏压测，但是太过于重⼤，功能⽐较繁多 `Apache AB(单接⼝压测最⽅便`)：模拟多线程并发请求,ab命令对发出负载的计算机要求很低，既不会占⽤很多CPU，也不会占⽤太多的内存，但却会给⽬标服务器造成巨⼤的负载, 简单DDOS攻击等 `Webbench`: webbench⾸先fork出多个⼦进程，每个⼦进程都循环做web访问测试。⼦进程把访问的结果通过pipe告诉⽗进程，⽗进程做最终的统计结果。 `Jmeter`: 开源免费，功能强⼤，在互联⽹公司普遍使⽤。 压测不同的协议和应⽤ - Web - HTTP, HTTPS (Java, NodeJS, PHP,ASP.NET, …) - SOAP / REST Webservices - FTP - Database via JDBC - LDAP 轻ᰁ⽬录访问协议 - Message-oriented middleware (MOM) via JMS - Mail - SMTP(S), POP3(S) and IMAP(S) - TCP等等 使⽤场景及优点 - 功能测试 - 压⼒测试 - 分布式压⼒测试 - 纯java开发 - 上⼿容易，⾼性能 - 提供测试数据分析 - 各种报表数据图形展示 压测⼯具本地快速安装Jmeter5.x - 要JDK⾥⾯的 keytool⼯具 - 快速下载 https://jmeter.apache.org/download_jmeter.cgi - ⽂档地址：http://jmeter.apache.org/usermanual/get-started.html ### 目录文件讲解 - `bin`: 核⼼可执⾏⽂件，包含配置 - `jmeter.bat`: windows启动⽂件(window系统⼀定要配置显示⽂件拓展名) - `jmeter`: mac或者linux启动⽂件 - `jmeter-server`：mac或者Liunx分布式压测使⽤的启动⽂件 - `jmeter-server.bat`：window分布式压测使⽤的启动⽂件 - `jmeter.properties`: 核⼼配置⽂件 - `extras`：插件拓展的包 - `lib`: 核⼼的依赖包 `汉化`：控制台修改 `menu -> options -> choose language` 配置⽂件修改 - bin⽬录 -> `jmeter.properties` - 默认 #language=en - 改为` language=zh_CN` ### 组件的线程组和Sampler 添加->threads->线程组（控制总体并发） - `线程数`：虚拟⽤户数。⼀个虚拟⽤户占⽤⼀个进程或线程 - `准备时⻓`（Ramp-Up Period(in seconds)）：全部线程启动的时⻓，⽐如100个线程，20秒，则表示20秒内 100个线程都要启动完成，每秒启动5个线程 - `循环次数`：每个线程发送的次数，假如值为5，100个线程，则会发送500次请求，可以勾选永远循环 线程组->添加-> Sampler(采样器) -> Http （⼀个线程组下⾯可以增加⼏个Sampler） - 名称：采样器名称 - 注释：对这个采样器的描述 - web服务器： - 默认协议是http - 默认端⼝是80 - 服务器名称或IP ：请求的⽬标服务器名称或IP地址 - 路径：服务器URL 查看测试结果: - 线程组->添加->监听器->察看结果树 - 线程组->添加->监听器->聚合报告 ### 压测结果与报告分析、扣减为负超发问题 优惠券列表接⼝压测 新增聚合报告：线程组->添加->监听器->聚合报告（Aggregate Report） - `lable`: sampler的名称 - `Samples`: ⼀共发出去多少请求,例如10个⽤户，循环10次，则是 100 - `Average`: 平均响应时间 - `Median`: 中位数，也就是 50％ ⽤户的响应时间 90% Line : 90％ ⽤户的响应不会超过该时间 （90% of the samples took no more than this time. The remaining samples at least as long as this） - `95% Line` : 95％ ⽤户的响应不会超过该时间 - `99% Line` : 99％ ⽤户的响应不会超过该时间 - `min` : 最⼩响应时间 - `max `: 最⼤响应时间 - `Error%`：错误的请求的数ᰁ/请求的总数 - `Throughput`： 吞吐ᰁ——默认情况下表示每秒完成的请求数（Request per Second) 可类⽐为qps、tps - `KB/Sec`: 每秒接收数据ᰁ 优惠券扣减sql：`update coupon set stock=stock-1 where id = #{couponId}` 存在的问题：`扣减存储为负数，超发优惠券`，会造成资损。 ### 高并发下正确的库存扣减 不谈秒杀设计,不谈使⽤`队列(限流、队列、异步)`等使`请求串⾏化`。 ⽤`锁来保证数据正确`，防⽌超发导致库存是负数: - 同步代码块`synchronized ,lock`，分布式不适合。 ```java public synchronized void reduceCouponStock(long couponId ,Integer num){ //业务逻辑 } //问题：synchronized 作⽤范围是单个jvm实例, 如果做了集群分布式等，就失效了,且单机JVM加锁后就是串⾏等待问题 ``` - 分布式锁 `zookeeper,redis`，可行,但`过于笨重，性能有所下降` - 直接数据库更新扣减。 ```sql update coupon set stock=stock - #{num} where id = #{couponId} and stock>0 //测试如果num⼤于已有库存，则会变负数 update coupon set stock=stock - #{num} where id = #{couponId} and （stock - #{num})>=0 或者 update coupon set stock=stock - #{num} where id = #{couponId} and stock >= #{num} ``` `如果扣减最多1个，则直接使⽤这种就⾏`。 ```sql update coupon set stock=stock-1 where id = #{couponId} and stock>0 ``` **延伸**: `update coupon set stock=stock-1 where id = #{couponId} and stock = #{oldStock}` 问题：`扣减库存，如果别⼈补充库存，就存在ABA问题`，看业务是否有这个限制，当期采⽤上⾯那种。 > ⽐如： > > - C线程查出来是10个 > - A线程扣减1个，剩9个 > - B线程更新了库存，变回10个 > - C更新的时候发现还是10个，则更新成功， 所以避免这个问题，要求不管谁修改了库存，⼀定要`加个version递增版本号`z 最终的sql： ```sql update coupon set stock=stock-1,version=version+1 where id = #{couponId} and stock>0 and versoin=#{oldVersion} ``` ⾼并发库存扣减超卖问题，很多⼈加了乐观锁版本号去解决，那下⾯三种有什么区别，分别适合哪些场景使⽤: ```sql 1）update product set stock=stock-1 where id = 1 and stock>0 2）update product set stock=stock-1 where stock=#{原先查询的库存} and id = 1 and stock>0 3）update product set stock=stock-1,versioin =version+1 where id = 1 and stock>0 and version=#{原先查询的版本号} ``` 核⼼是解决超卖的问题，就是防⽌库存为负数。
评论区