不久前，数人云联合清华大学交叉信息研究院 OCP 实验室通过 10 台 OCP 服务器成功承载了百万并发 HTTP 请求。

 

此次实验设立的目标是在物理资源最小值的情况下完成 100 万并发处理，通过此次实验，最大化验证了基于 Mesos 和 Docker 技术的数人云 DCOS （数据中心操作系统）承载高压的能力。

 

百万压测工具与硬件

 

压测工具

本次选择的加压工具是分布式压测工具 Locust + Tsung。

Locust （http://locust.io/）是一个简单易用的分布式负载测试工具，主要用来对网站进行负载压力测试。

 

Locust 官网在比较自己与 Apache JMeter 和 Tsung 的优劣中提到

 

我们评估过 JMeter 和 Tsung，它们都还不错，我们也曾多次使用过 JMeter，但它的测试场景需要通过点击界面生成比较麻烦，另外它需要给每个测试用户创建一个线程，因此很难模拟海量并发用户。

 

Tsung 虽然没有上面的线程问题，它使用 Erlang 中的轻量级进程，因此可以发起海量并发请求。但是在定义测试场景方面它面临和 JMeter 同样的不足。它使用 XML 来定义测试用户的行为，你可以想象它有多恐怖。如果要查看任何测试结果，你需要你自己去先去整理一堆测试结果日志文件……

Tsung 是基于 Erlang 的一个开源分布式多协议的负载测试工具，支持 HTTP, WebDAV, SOAP, PostgreSQL, MySQL, LDAP 和 Jabber/XMPP。访问 http://tsung.erlang-projects.org/ 可以进一步了解。

 

硬件配置

OCP 是 Facebook 公司创办的( Open Compute Project )开放计算项目,目的是利用开源硬件技术推动 IT 基础设施不断发展，来满足数据中心的硬件需求。

 

本次实验 OCP 硬件配置如下：

 

CPU 类型：主频 2.20

 

双 CPU 24 核 转发端

双 CPU 20 核 加压端

双 CPU 16 核 承压端

 

内存：DDR3 1600 / 128G

网络：万兆网络

 

这次压测使用用开源的容器虚拟化技术，将系统和软件环境打平，把软件层所有的系统依赖软件全都封装在 Docker 中。

 

服务器基础环境无需配置上面承载服务的复杂依赖环境，而把应用程序和依赖环境都封装在容器里，在需要迁移的时候非常方便，应用程序的可移植性得到大大提高，非常便于迁移和扩展。

 

如何做百万压测

前文已经说到，本次实验的目标是在物理资源最小值的情况下完成 100 万并发处理。遇到了以下几个挑战：

 

如何加压到 100 万？也就是说，用什么加压方法？

最终需要多少物理资源？架构中每种模块的处理能力是怎样的？

 

(图1：压测架构图，点击图片可以全屏缩放)

 

红框内是此次压测实验用到的工作集群，而红框外面的是本次实验的辅助功能集群。需要说明的是，10 台 OCP 服务器承载 100 万 HTTP 请求中的 10 台硬件，指的是转发端加上承压端的机器，不包括加压端的机器，因为在真实场景中加压端是访问用户本身。

 

下面对这这次压测进行详细说明。

 

基础环境

 

基础部署

实验用 OCP 硬件上架、上电、网络构建、系统安装；

使用的系统是 CentOS 7.1，需要升级内核升级到 3.19；

使用 Ansible 部署机器其他底层用软件，包括安装 Docker 1.9.1（ext4 + overlay），打开系统默认约束(文件句柄，系统内核和中断优化)等。

 

部署云集群

装了标准的系统以及 Docker 之后，机器就可以装数人云了。庞铮在现场展示了数人云集群平台的建立步骤，在两分钟之内完成安装。

 

(图2：承压端，点击图片可以全屏缩放)

 

承压端设计：秒杀项目

 

云集群安装完之后，就可以发布压测应用了。

 

首先发布承压端，使用 Nginx + Lua 的组合，它们是高压系统的常用组合，也是数人云秒杀项目原生模组，返回结果是动态无缓存数据，保证压测准确性。由于秒杀模块不是本文重点，下文只做简单描述。

(图3：程序返回结果分析)

 

在秒杀模块中，Time 是自动从服务器取到的时间戳，events 是秒杀服务的数据；event1 是秒杀活动的项目，48 万是秒杀活动需要持续多少时间。

(图：nginx + Lua 优化)

 

上边是 Nginx 优化方案，也取自网络方案。下边第 2 个框是 Lua 自带优化，对 Lua 的处理能力至关重要。

 

方案 A 压测

承压端发布完成后，就可以开始部署加压端。Locust 具有分布式、安装简单以及 Web-UI 界面三个特点。

 

(图：方案A，点击图片可全屏缩放)

 

选择 Locust 在进行测试过程中遇到的问题

 

Locust 不能对多个服务端进行压测，所以在它的上面加了 Mesos-DNS，用来汇聚压力提供统一的接口给 Locust slave。Locust 的压测用力文件是 tasks.py，每个 slave 都需要在启动前先去 config server 拉一下 tasks.py。

 

紧接着就是转发层 HA，再接下来就是 Nginx。

 

测试 Locust 步骤

测试单核性能：约等于 500/s 处理

测试单机性能：40 核超线程，约等于1w/s 处理

 

通过测试，发现 Locust 有三个缺点：

 

单核加压能力低、支持超线程能力差，以及在大量 slave 节点连接的情况下，Master 端不稳定。

(图：Locust-Slave 动用资源)

 

如上图可以看到，压测资源分为两个组，A 组 20 个物理核机器有 20 台，slave 能压到的能力是 20W/S。B 组 16 个物理核机器有 15 台，可以压到 12W/S，整个加压组的能力为 32W/S。

 

(图：单机 nginx + Lua HOST)

 

压测第一步

 

在考虑 HA 的优化，然后是单台测试，最终选择了keepalive。

 

压测第二步

单机非超线程最后测出来的结果是 22.7 万，95% 做到 1 秒之内的响应。测试时候发现，HA 的排队现象非常多，可持续加压能力非常差，几分钟之内就出现严重的堵塞。同时，CPU 有几个是持满的，说明它的分配不均匀，有一些模块是需要有统一的模块调度，导致 HA 无法持续保持高性能处理。

 

单机超线程比非超线程有一些衰减，测出来的结果是 21.9 万，95%可以做到一秒内响应，但 HA 的排队请求少很多，CPU 的压力也平均了很多，测试结果非常稳定。

 

HA 超线程的非 Docker，测出的结果是 27 万。Docker 情况下确实有一定衰减，可以明显的看到 99% 的请求在 1 秒内处理了，已经可以达到企业级使用的标准。

    

现在，已知加压总能力是 32w/s，单机 Nginx + Lua 是 19w/s，转发层单机 Haproxy 最大能力 27w/s，那么，单机 Nginx + Lua NAT 模式的能力是怎样的呢？

 

可以看出之前单机 Nginx HOST 网络模式下发测试结果是 19.7 万。Nginx 模式加了 HA 再加 NAT 模式，衰减之后是 14.3 万，CPU 压力几乎是100%。

 (图：整体测试结果，点击图片可全屏缩放)

 

由于之前使用的 Locust 对于超线程支持以及本身性能问题，无法在现有硬件资源基础上达到需求，改用 Tsung 进行测试。

 

方案 B 压测

测试整套文档可参阅：http://doc.shurenyun.com/practice/tsung_dataman.html 

 

更换成方案 B，继续进军百万并发

 (图：方案B，点击图片可全屏缩放)

 

架构图解释：Tsung maste 通过 ssh 对 slave 操作，集群之间通讯使用的是 erlang 的 epmd.

 

执行步骤:

首先将 Tsung 进行 Docker Mesos 化

安装 ssh、安装 Tsung

配置文件 Mesos 化

调用数人云 API 将 Tsung 发布

API 调用脚本 A

 

方案 B 压测配置

加压端： Tsung 客户端加压机

 

数量 20

cpu 40 核超线程，cpu 消耗 不到瓶颈

mem 128G

network 万兆网络 

docker host模式 、docker 下发20个(每台1个)

 

Tsung 控制器：本机配置可以缩小很多，测试实体机，随便选了一个

 

数量 1 

cpu 40 核超线程

mem 128G

network 万兆网络 

docker host模式、docker 下发1个

 

转发端： haproxy

 

数量 4

cpu 48 核超线程、cpu 消耗超高-瓶颈

mem 128G，内存消耗接近 20g

network 万兆网络 

docker host 模式、docker 下发 4 个(每台 1 个)

 

承压 nginx

 

数量 6

CPU 32 核超线程、cpu 消耗超高-瓶颈

mem 128G、内存消接近耗 10g

network 万兆网络 

docker nat 模式、docker 下发 48 个(每台 8 个,折算 48w 并发连接能力，处理每台 14w 左右，总数量 80 万左右)

 

方案 B 详细报告下载

 

百万压力测试报告：

http://qinghua.dataman-inc.com/report.html

 

最终，数人云在 Tsung 的基础上顺利的完成了百万压力测试，业内可以充分参考数人云此次的百万并发实践进行高压系统的设计。点击阅读原文可以了解详细测试参数。