今天想说说稳定性场景设计。
经常在一些场合被问到性能场景的设计问题，但是大部分都是和容量相关的。
为什么稳定性问的人少呢？稳定性是不是说在容量场景做好了之后就水到渠成了呢？
首先稳定性场景的设计应该说比容量场景设计要简单一点。
毕竟容量如果测试结果非常好的话，稳定性场景只要有一时间变长的动作就可以了。
但是不要小看这个时间变长的动作，它会让你要准备和思考的内容多出不少。
下面来庖丁解牛地细化一下。
- 数据的增加
数据的增加有两个方面。1. 参数化数据；2. 基础数据；
先说下参数化数据：
拿一个100TPS和稳定性场景来说，假设业务数据不能复用，如果只测试30分钟。需要的数据是100*30*60=180000，也就是18万的参数化数据。
如果要跑12个小时呢？就是100*12*60*60=4320000，也就是432万条数据。
有人说了，我要跑7*24。嗯，很好，那就需要60480000。6千多万。慢慢准备吧。
如果这些数据是做insert的动作呢，可想而知，对表结构的要求就会多出很多，索引的创建的合理性就非常重要了。
举个例子。同样的一个SQL，在查找基数为5537362的表，都是查一条数据出来。如果是从9万多条的索引命中的数据中找的话，需要0.219s，而在索引命中100多条数据中找的话，只需要0.016s。
这是14倍的差距。
insert的动作是会被折成insert select的。所以在稳定性中，如果select的基数越来越大，对索引的考验那是可想而知的。
对update、delete也是一样。
2. 监控的考验
如果是自己写监控脚本，稳定性场景中数据量的处理那是非常耗时的。所以在稳定性场景中，基本上不会像容量场景中那样设计监控粒度。
粒度的扩大导致的另一个问题是毛刺看不到。
一般容量场景中使用1-3s的监控采样粒度，1s对系统监控还是会消耗些资源。3s不会有太大的影响。
但是对稳定性来说，3s都有点短了。可以设置5-10s的监控粒度。5-10的跨度是不是有些大呢？这个取决于系统的稳定程度，对不稳定的tps曲线，可以设置为5s，对稳定的tps曲线，10s我觉得是够了的。
监控工具也要选择好，尽量不要用手工生成数据和曲线的工具，费时费力又容易出错。
用自动生成图表的工具比较理智，并且要用可以持续保存数据的。像zabbix类型的工具。
先要设置好监控的计数器。从OS层开始，到应用层，到jvm层，到数据库层。
os层一定要有cpu、memory、io、network这几个是基本的，如果是C/C++的应用，还要有process层的监控。
在场景结束时如果发现还有需要的数据没取到，那就悲催了，还要再来一遍。
3. 对压力工具的选择
一般情况下选择压力工具要注意压力工具本身的稳定性。像loadrunner/jmeter之类的工具已经被普遍接受了，没有什么问题。
但是jmeter，本地的jvm也是需要关注的。
尽量不要用压力工具取监控的数据，这种做法会让结果整理比较费力。
4. 稳定性场景的时长确定
这应该是稳定性场景中最关键的一个点了。
我看到有不少设计稳定性的时候没有计算过，只是凭感觉。
那怎么设计这个时长？
我们可以做一个计算，这个计算有一个前提条件。就是系统在运维的过程中需要稳定运行多长时间。
假设在运维中是要三个月做一次正常的维护动作，在这个动作中包括了对一些资源的归档、系统的重启等。
那下一步要计算的就是系统三个月内的业务总量。
我们来做一个假设场景：
一个系统一天业务量是100万笔。稳定运行要求3个月。那总的业务量就是100万*3*30=9000万。假设系统最大TPS是2000。
这时候要设计的稳定性场景时长就是：（9000万/2000tps）*3600=12.5h。
比如说下面两个场景。
下面的图是混合容量场景，看到tps是能加到5000左右，但是在3000以上的时候就出现了tps有下降情况（因为这个文章不是为了分析性能，所以不做下降原因详解）。
根据这个系统的业务需求，稳定运行时间是三个月。线上均值tps是329。
那业务量在三个月就是：329*3*30*24*3600=2558304000笔业务。
稳定性场景用80%*最大TPS的压力做的话（这里的稳定性场景的TPS可以灵活设置，不一定都是80%*最大TPS），就是4000tps左右。
来计算一下：2558304000/4000/3600/24=7.4天
这样时长就确定下来了。
对于稳定性还有其他的一些区别，都是要一一细化的，这里就不接着写了。 毕竟文章太长看得人也累。
关键是我要出去赶场子吃饭了。
