為什麽要做全鏈路壓測？

對阿裏巴巴而言，每年最重要的一天莫過於雙11。這是因為在雙11的零點，系統會遭遇史無前例的巨大洪峰流量沖擊，保證雙11當天系統的穩定性對高可用團隊來說是巨大的挑戰。在這個挑戰中會有很多不確定因素，大致分為兩方面：

• 技術架構帶來的不確定性，阿裏在08年開始對系統進行拆分，由原有的單一系統拆分成了分布式架構，包括CDN、網關、負載均衡、分布式頁面系統等，整體的技術生態十分豐富。分布式環境任意環節出了問題都可能會對系統造成影響；
• 業務發展帶來的不確定性，系統的可用性隨著業務增長，面臨更嚴峻的挑戰和不確定性。

不確定性帶來的系統可用性問題

這些不確定性背後的因素多種多樣，既涉及系統容量、業務性能，又涉及基礎設施瓶頸、中間件瓶頸和系統之間的依賴影響，並且眾多因素缺乏有效的驗證手段。事實上，阿裏從10年開始就在嘗試去解決雙11零點的穩定性問題。

線上單機與單系統壓測

最初采用的方式是在線上單機的生產環境的壓力測試和容量規劃，

主要采用了四種方式：第一在開始階段模擬調用者，其中在生產環境中只能模擬只讀請求，對寫請求需要特定的處理；第二種方式是采用流量錄制和回放的方式做壓力測試，通過將錄制的流量快速率回放對單臺機器進行壓測，獲取單臺機器的服務能力；後兩種是從流量分配的角度出發，分別是請求流量轉發和改變負載均衡的權重，兩者核心思想都是將流量集中到某臺機器上。

通過上述機制和手段，能夠準確探測到單臺機器的服務能力。基於單臺服務能力和預估即將到來的業務流量進行容量規劃，確定所需服務器的數目，這種做法伴隨著阿裏度過了10、11、12三年的雙11零點穩定性的考驗。

單系統壓測的問題

但10和11年雙11零點由於流量過大暴露了不少問題，讓我們意識到單個系統ready不代表全局ready，究其根本原因在於系統之間相互關聯和依賴調用之間相互影響。在做單個系統的容量規劃時，所有的依賴環節能力是無限的，進而使得我們獲取的單機能力值是偏樂觀的；同時，采用單系統規劃時，無法保證所有系統均一步到位，大多數精力都集中核心少數核心系統；此外，部門問題只有在真正大流量下才會暴露，比如網絡帶寬等等。

>>>展開全文

技術文章 | 系統穩定性保障核武器——全鏈路壓測