性能测试

引用文件

本文引用的文件

• README.md
• docker-run.md
• docker-run_local_ycs.md
• application.yaml（system）
• application.yaml（infra）
• PrometheusController.java
• YudaoMetricsAutoConfiguration.java
• monitor.md
• druid性能分析大全.sql
• docker-compose.yml（脚本）
• docker-compose.yml（部署）

目录

1. 简介
2. 项目结构
3. 核心组件
4. 架构总览
5. 详细组件分析
6. 依赖分析
7. 性能考量
8. 故障排查指南
9. 结论
10. 附录

简介

本文件面向 yudao-cloud 项目的性能测试，系统性阐述性能测试的概念与意义，涵盖响应时间、吞吐量、并发用户数、资源利用率等关键指标；并结合项目现有技术栈与监控能力，给出基于 JMeter/Gatling 的接口测试方法、数据库与缓存专项测试要点、以及最佳实践与案例分析思路。文档内容严格依据仓库中实际配置与代码，确保可落地与可复现。

项目结构

yudao-cloud 采用微服务架构，核心由网关与多个业务模块组成，同时集成了 Nacos、Redis、MySQL、Kafka、TDengine 等中间件。项目通过 Docker 编排与 Nacos 配置中心实现服务发现与配置管理，便于在测试环境中快速搭建与切换。

Mermaid Diagram Code:

graph TB
subgraph "测试环境"
Net["Docker 网络"]
DC["docker-compose 编排"]
end
subgraph "服务与中间件"
GW["yudao-gateway 网关"]
SYS["system-server"]
INF["infra-server"]
DEV["device-server"]
LCH["launcher-server"]
BLK["blacklist-server"]
TSK["task-server"]
RUL["rule-server"]
REDIS["Redis"]
MYSQL["MySQL"]
TD["TDengine"]
KAF["Kafka"]
NAC["Nacos"]
end
Net --> DC
DC --> GW
DC --> SYS
DC --> INF
DC --> DEV
DC --> LCH
DC --> BLK
DC --> TSK
DC --> RUL
GW --> NAC
SYS --> NAC
INF --> NAC
DEV --> NAC
LCH --> NAC
BLK --> NAC
TSK --> NAC
RUL --> NAC
GW --> REDIS
SYS --> MYSQL
DEV --> TD
TSK --> TD
BLK --> KAF

图示来源

• docker-run.md
• docker-run_local_ycs.md
• docker-compose.yml（脚本）
• docker-compose.yml（部署）

章节来源

• README.md
• docker-run.md
• docker-run_local_ycs.md

核心组件

• 网关与路由：统一入口，负责鉴权、路由与灰度发布。
• 业务模块：系统、基础设施、设备、运营、黑名单、任务、规则等模块。
• 中间件：Redis（缓存）、MySQL（业务数据）、TDengine（时序/日志）、Kafka（消息）、Nacos（注册与配置）。
• 监控与可观测性：SkyWalking、Prometheus、Actuator/Micrometer、Druid、Grafana/Kibana 等。

章节来源

• README.md
• application.yaml（system）
• application.yaml（infra）

架构总览

下图展示 yudao-cloud 的微服务与中间件关系，以及测试环境下的典型部署形态。

Mermaid Diagram Code:

graph TB
Client["客户端/压测工具"] --> GW["yudao-gateway"]
GW --> SVC_SYS["system-server"]
GW --> SVC_INF["infra-server"]
GW --> SVC_DEV["device-server"]
GW --> SVC_LCH["launcher-server"]
GW --> SVC_BLK["blacklist-server"]
GW --> SVC_TSK["task-server"]
GW --> SVC_RUL["rule-server"]
SVC_SYS --> DB_MY["MySQL"]
SVC_DEV --> DB_TD["TDengine"]
SVC_TSK --> DB_TD
SVC_BLK --> MQ_KF["Kafka"]
GW --> CACHE_RD["Redis"]
MON["监控与可观测性"] --> GW
MON --> SVC_SYS
MON --> SVC_INF

图示来源

• README.md
• docker-compose.yml（部署）

详细组件分析

1) 性能测试基础与指标

• 响应时间：接口平均/分位响应时间（P50/P90/P99），衡量用户体验与系统延迟。
• 吞吐量：每秒事务数（TPS）或请求数（RPS），反映系统承载能力。
• 并发用户数：同时在线用户或并发连接数，体现系统并发处理能力。
• 资源利用率：CPU、内存、磁盘 IO、网络带宽、数据库连接池、Redis 连接数等。
• 错误率：HTTP 5xx、业务错误、超时等占比，评估稳定性。

[本节为通用概念说明，不直接分析具体文件]

2) 使用 JMeter 进行性能测试

• 测试计划创建：新建测试计划，添加线程组（并发用户、 Ramp-up、循环次数）。
• HTTP 请求配置：设置服务器地址（网关或模块直连）、端口、请求方法、参数、头部（如认证）。
• 监听器：添加聚合报告、响应时间图、吞吐量图、错误率图等，用于结果汇总与分析。
• 配置建议：先小并发预热，逐步阶梯式加压；关注错误率与响应时间拐点；记录资源指标。

[本节为通用流程说明，不直接分析具体文件]

3) 使用 Gatling 进行性能测试

• 场景设计：基于 Scala DSL 编写请求场景，模拟真实用户行为（登录、查询、提交等）。
• 并发模型：使用 Simulation 的并发策略，结合到达率/固定并发/阶梯式并发。
• 报告分析：Gatling HTML 报告包含请求统计、响应时间分布、错误明细，辅助定位瓶颈。

[本节为通用流程说明，不直接分析具体文件]

4) 数据库性能测试

• 慢查询识别：结合 Druid 监控面板与慢 SQL 统计，定位执行时间长、扫描行数多的 SQL。
• 连接池监控：观察连接池活跃数、等待数、最大等待时间，评估池容量与超时策略。
• 索引优化建议：基于执行计划与扫描行数，补充必要索引；避免全表扫描。
• 专项 SQL 参考：仓库中提供 Druid 性能分析 SQL，可用于生成服务综合性能评分与慢 SQL 统计。

Mermaid Diagram Code:

flowchart TD
Start(["开始"]) --> Enable["开启 Druid 监控"]
Enable --> Collect["采集慢 SQL 与执行统计"]
Collect --> Analyze["分析执行计划与热点 SQL"]
Analyze --> Optimize["优化索引/SQL/分页/缓存"]
Optimize --> Verify["回归测试验证"]
Verify --> End(["结束"])

图示来源

• druid性能分析大全.sql
• monitor.md

章节来源

• druid性能分析大全.sql
• monitor.md

5) 缓存性能测试（Redis）

• 指标关注：命中率、内存使用、连接数、命令耗时、过期/淘汰策略影响。
• 压测策略：构造高命中与低命中场景，对比不同 TTL、序列化方式、热点键分布。
• 结果分析：关注缓存穿透、击穿、雪崩的防护效果与资源消耗。

章节来源

• application.yaml（system）
• application.yaml（infra）

6) 接口性能测试

• 目标：响应时间、错误率、并发处理能力、限流与熔断表现。
• 方法：JMeter/Gatling 设计典型业务场景（登录、查询列表、详情、提交），逐步加压。
• 结果：以响应时间分布、错误率、资源使用率为依据，确定系统拐点与容量边界。

[本节为通用流程说明，不直接分析具体文件]

7) 监控与可观测性（测试期间）

• Prometheus 服务发现：通过 Infra 模块的 PrometheusController 暴露服务发现接口，供 Prometheus 抓取。
• Micrometer 指标：启用通用标签与指标导出，便于统一采集。
• SkyWalking：Agent 注入与忽略路径配置，便于链路追踪与性能分析。
• Druid：数据库连接池与 SQL 监控，定位慢查询与热点接口。
• Grafana/Kibana：可视化展示与日志检索，辅助问题定位。

Mermaid Diagram Code:

sequenceDiagram
participant Prom as Prometheus
participant Infra as Infra 模块
participant Disc as DiscoveryClient
Prom->>Infra : GET /actuator/prometheus/sd
Infra->>Disc : 获取服务列表与实例
Disc-->>Infra : 返回实例列表
Infra-->>Prom : 返回服务发现目标

图示来源

• PrometheusController.java
• YudaoMetricsAutoConfiguration.java

章节来源

• PrometheusController.java
• YudaoMetricsAutoConfiguration.java
• monitor.md

8) 测试环境搭建与配置

• Docker 编排：使用 docker-compose 启动网关与各业务服务，映射端口，配置 Nacos 命名空间与服务发现。
• 端口规划：系统模块默认端口在 application.yaml 中配置，测试时注意端口冲突。
• SkyWalking Agent：通过环境变量注入，便于链路追踪与性能采样。
• Nacos 配置：通过 application.yaml 的 config.import 机制加载公共与应用级配置。

Mermaid Diagram Code:

sequenceDiagram
participant Dev as 开发者
participant Compose as docker-compose
participant Nacos as Nacos
participant Svc as 业务服务
Dev->>Compose : 启动编排
Compose->>Nacos : 注册服务与拉取配置
Nacos-->>Compose : 返回配置
Compose->>Svc : 启动服务实例
Svc-->>Nacos : 上报健康状态

图示来源

• docker-run.md
• docker-run_local_ycs.md
• application.yaml（system）

章节来源

• docker-run.md
• docker-run_local_ycs.md
• application.yaml（system）

9) 测试数据与场景设计

• 测试数据：构造与生产相似的数据规模与分布，避免极端偏态；对敏感字段做脱敏处理。
• 场景设计：覆盖登录、查询、列表、详情、提交、批量操作等典型路径；叠加并发与错误注入。
• 灰度与版本：结合网关灰度发布能力，验证不同版本实例的性能差异。

[本节为通用流程说明，不直接分析具体文件]

10) 性能瓶颈定位

• 前端/网关：高并发下网关路由与鉴权开销；灰度负载均衡策略。
• 业务服务：热点接口、数据库慢 SQL、缓存未命中、消息队列堆积。
• 中间件：Redis 连接池、MySQL 连接池、Kafka 生产/消费延迟。
• 容器与资源：CPU/内存/IO 争用，网络抖动。

[本节为通用流程说明，不直接分析具体文件]

依赖分析

• 服务间依赖：各业务模块通过 Nacos 注册与发现，网关统一接入。
• 中间件依赖：Redis 用于缓存，MySQL/TDengine 用于数据存储，Kafka 用于异步解耦，Prometheus/SkyWalking 用于可观测性。
• 配置依赖：Nacos 提供统一配置中心，application.yaml 通过 config.import 加载。

Mermaid Diagram Code:

graph LR
GW["yudao-gateway"] --> Nacos["Nacos"]
SYS["system-server"] --> Nacos
INF["infra-server"] --> Nacos
DEV["device-server"] --> Nacos
LCH["launcher-server"] --> Nacos
BLK["blacklist-server"] --> Nacos
TSK["task-server"] --> Nacos
RUL["rule-server"] --> Nacos
GW --> Redis["Redis"]
SYS --> MySQL["MySQL"]
DEV --> TD["TDengine"]
TSK --> TD
BLK --> Kafka["Kafka"]

图示来源

• README.md
• application.yaml（system）
• application.yaml（infra）

章节来源

• README.md
• application.yaml（system）
• application.yaml（infra）

性能考量

• 端口与网络：测试前确认端口映射与网络连通性，避免压测流量被拦截。
• 缓存策略：合理设置 TTL、热点键保护、批量读写，降低数据库压力。
• 数据库优化：索引、分页、只读副本、连接池参数调优。
• 中间件容量：Redis/MySQL/Kafka 的连接池与队列长度，避免阻塞与堆积。
• 监控与告警：在压测过程中持续观察关键指标，及时发现异常。

[本节为通用指导，不直接分析具体文件]

故障排查指南

• 服务不可用：检查 docker-compose 启动日志、Nacos 注册状态、端口占用。
• 接口错误：结合 SkyWalking 链路与 Druid SQL 监控，定位异常接口与慢 SQL。
• 缓存异常：检查 Redis 连接数、内存使用、命令耗时与过期策略。
• 指标缺失：确认 Prometheus 服务发现接口与 Micrometer 导出配置。

章节来源

• docker-run.md
• docker-run_local_ycs.md
• PrometheusController.java
• monitor.md

结论

通过对 yudao-cloud 的架构与中间件配置进行梳理，结合项目内置的监控与可观测性能力，可以建立一套完整的性能测试体系：从测试环境搭建、测试场景设计、指标采集与分析，到瓶颈定位与优化闭环。建议在测试中重点关注网关与核心业务接口、数据库慢 SQL、缓存命中率与中间件容量，并以 Prometheus/Micrometer 与 SkyWalking 为抓手，形成可追溯、可复现的性能报告。

[本节为总结性内容，不直接分析具体文件]

附录

A. 测试环境端口与服务映射（参考）

• system-server：默认端口 48081
• infra-server：默认端口 48082
• device-server：默认端口 48091
• blacklist-server：默认端口 48096
• launcher-server：默认端口 48097
• gateway：默认端口 48080

章节来源

• application.yaml（system）
• application.yaml（infra）
• docker-run.md

B. 监控入口与能力

• Redis 监控：Druid 控制台、外部 Redis 监控面板
• MySQL 监控：Druid 控制台
• Prometheus 服务发现：/actuator/prometheus/sd
• Micrometer 指标：通用标签与指标导出

章节来源

• monitor.md
• PrometheusController.java
• YudaoMetricsAutoConfiguration.java