Τι είναι η δοκιμή επεκτασιμότητας; Μάθετε με το Παράδειγμα

⚡ Έξυπνη Σύνοψη

Οι δοκιμές κλιμάκωσης μετρούν τον τρόπο με τον οποίο συμπεριφέρεται μια εφαρμογή όταν το φορτίο των χρηστών, ο όγκος δεδομένων ή ο ρυθμός συναλλαγών αυξάνεται ή μειώνεται, αποκαλύπτοντας το ακριβές σημείο στο οποίο η απόδοση σταματά να κλιμακώνεται και προσδιορίζοντας το υπεύθυνο σημείο συμφόρησης.

  • 🔘 Ορισμός: Μια μη λειτουργική δοκιμή που ελέγχει εάν ένα σύστημα εξακολουθεί να λειτουργεί αποδεκτά καθώς αυξάνεται η ζήτηση.
  • ☑️ Δύο κατευθύνσεις: Η κάθετη κλιμάκωση προσθέτει ισχύ σε ένα μηχάνημα, ενώ η οριζόντια κλιμάκωση προσθέτει περισσότερα μηχανήματα πίσω από έναν εξισορροπητή.
  • Βασικές μετρήσεις: Ο χρόνος απόκρισης, η απόδοση, η χρήση της CPU και της μνήμης, καθώς και η χρήση του δικτύου είναι tracσε κάθε βήμα φόρτωσης.
  • 🧪 Μέθοδος: Το φορτίο αυξάνεται σε προγραμματισμένα βήματα μέχρι μια μέτρηση να ξεπεράσει το όριό της, το οποίο σηματοδοτεί το όριο επεκτασιμότητας.
  • Εργαλεία: JMeter, k6, Gatling, Locust και LoadRunner δημιουργούν κατανεμημένο φορτίο και καταγράφουν αποτελέσματα αυτόματα.
  • 📈 Αποτέλεσμα: Ο σχεδιασμός χωρητικότητας βασίζεται σε στοιχεία αντί για εικασίες, επομένως οι εκδόσεις επιβιώνουν από τις αιχμές της κυκλοφορίας.

Τι είναι η δοκιμή επεκτασιμότητας

Τι είναι η δοκιμή επεκτασιμότητας;

Δοκιμή επεκτασιμότητας είναι μια μη λειτουργική μέθοδος δοκιμής που μετρά την απόδοση ενός συστήματος ή δικτύου όταν ο αριθμός των αιτημάτων των χρηστών αυξάνεται ή μειώνεται. Ο σκοπός του Scalability Testing είναι να διασφαλίσει ότι το σύστημα μπορεί να χειριστεί μια προβλεπόμενη αύξηση στην επισκεψιμότητα των χρηστών, τον όγκο δεδομένων και τη συχνότητα συναλλαγών. Ελέγχει την ικανότητα του συστήματος να ανταποκρίνεται στην αυξανόμενη ζήτηση.

Ο έλεγχος κλιμάκωσης είναι ένας υποτύπος του δοκιμή απόδοσης, επομένως επικεντρώνεται στη συμπεριφορά μιας εφαρμογής όταν αναπτύσσεται σε ένα μεγαλύτερο σύστημα ή ασκείται υπό υπερβολικό φόρτο. Τεχνολογία Λογισμικού, Ο έλεγχος επεκτασιμότητας μετρά το σημείο στο οποίο μια εφαρμογή σταματά την κλιμάκωση και προσδιορίζει τον λόγο πίσω από αυτό.

Γιατί να κάνουμε δοκιμές κλιμάκωσης;

Τα προβλήματα χωρητικότητας σπάνια εμφανίζονται κατά τη διάρκεια των λειτουργικών δοκιμών. Εμφανίζονται την πιο πολυσύχναστη ημέρα συναλλαγών του έτους, όταν εμφανίζεται μια καμπάνια μάρκετινγκ ή όταν ένα σύνολο δεδομένων που αυξανόταν αθόρυβα για δύο χρόνια τελικά επιβραδύνει κάθε ερώτημα. Η Δοκιμή Επεκτασιμότητας εκθέτει πρώτα αυτούς τους περιορισμούς σε ένα ελεγχόμενο περιβάλλον. Συγκεκριμένα, σας βοηθά:

  • Προσδιορίστε πώς κλιμακώνεται η εφαρμογή καθώς αυξάνεται το φόρτο εργασίας και πού ισοπεδώνεται αυτή η καμπύλη.
  • Προσδιορίστε το όριο ταυτόχρονων χρηστών για την εφαρμογή web προτού οι χρόνοι απόκρισης γίνουν μη αποδεκτοί.
  • Προσδιορίστε την υποβάθμιση από την πλευρά του πελάτη και την εμπειρία του τελικού χρήστη υπό φόρτο, όπως η αργή απόδοση οθόνης.
  • Προσδιορίστε την ανθεκτικότητα και την υποβάθμιση από την πλευρά του διακομιστή, συμπεριλαμβανομένου του κορεσμού της CPU, των διαρροών μνήμης και της εξάντλησης του χώρου συγκέντρωσης συνδέσεων.

Η σχέση είναι πιο εύκολο να απεικονιστεί ως καμπύλη: η απόδοση αυξάνεται παράλληλα με το πρόσθετο φορτίο μέχρι να κορεστεί ένας πόρος, μετά τον οποίο οι επιπλέον χρήστες απλώς επιμηκύνουν την ουρά.

Οι δοκιμές κλιμάκωσης μετρά την απόδοση του συστήματος καθώς αυξάνεται το φόρτο εργασίας

Τύποι Δοκιμών Επεκτασιμότητας

Η επεκτασιμότητα δεν είναι μία μόνο ιδιότητα, επομένως ένα σχέδιο δοκιμών συνήθως καλύπτει περισσότερες από μία διαστάσεις. Οι τέσσερις τύποι που ακολουθούν είναι αυτοί που μετρούν οι περισσότερες ομάδες και οι δύο πρώτοι καθορίζουν το σχήμα του ίδιου του περιβάλλοντος δοκιμών.

Χαρακτηριστικά Τι κλιμακώνεται Τι αποδεικνύει η δοκιμή
Κάθετη επεκτασιμότητα (κλίμακα προς τα πάνω) Προσθήκη CPU, μνήμης ή αποθηκευτικού χώρου σε έναν μόνο διακομιστή Πόσο επιπλέον φορτίο απορροφά ένα αναβαθμισμένο μηχάνημα και πού βρίσκεται το ανώτατο όριο ενός κόμβου
Οριζόντια επεκτασιμότητα (κλίμακα σε σμίκρυνση) Πρόσθετοι διακομιστές, κοντέινερ ή κόμβοι πίσω από έναν εξισορροπητή φορτίου Είτε η απόδοση αυξάνεται περίπου αναλογικά με τους κόμβους που προστίθενται, είτε αν οι κοινόχρηστοι πόροι την περιορίζουν
Λειτουργική επεκτασιμότητα Νέες λειτουργίες, ενότητες ή υπηρεσίες Εάν η προστιθέμενη λειτουργικότητα μπορεί να απορροφηθεί χωρίς να υποβαθμιστούν οι υπάρχουσες συναλλαγές
Διοικητική επεκτασιμότητα Χρήστες, ενοικιαστές, ομάδες ή περιβάλλοντα προς διαχείριση Εάν η ενσωμάτωση, τα δικαιώματα και η παρακολούθηση παραμένουν λειτουργικά καθώς ο οργανισμός αναπτύσσεται

Η κάθετη κλιμάκωση είναι απλούστερη επειδή η αρχιτεκτονική σπάνια αλλάζει, αλλά ένα μόνο μηχάνημα έχει πάντα ένα ανώτατο όριο. Η οριζόντια κλιμάκωση αφαιρεί αυτό το ανώτατο όριο και βελτιώνει την ανοχή σε σφάλματα, με κόστος την καθυστέρηση του δικτύου, τη συνέπεια των δεδομένων και την επιβάρυνση συντονισμού — τα οποία η δοκιμή πρέπει να μετρήσει αντί να υποθέσει.

Τι να δοκιμάσετε στις δοκιμές κλιμάκωσης

Η επεκτασιμότητα κρίνεται με βάση τις μετρήσεις και όχι τις εμφανίσεις. Καταγράψτε τα ακόλουθα χαρακτηριστικά σε κάθε βήμα φόρτωσης, ώστε να είναι ορατή η τάση, και όχι μόνο ο τελικός αριθμός.

Χαρακτηριστικό Αυτό που σου λέει
Χρόνος απόκρισης Χρόνος μεταξύ ενός αιτήματος χρήστη και της απάντησης του συστήματος. Θα πρέπει να παραμένει σταθερός καθώς αυξάνεται η ταυτόχρονη ροή δεδομένων.
Μετάβαση οθόνης Πόσο γρήγορα μια σελίδα ή προβολή υποφορτώνεται στην επόμενη
Διακίνηση Όγκος αιτημάτων που υποβάλλονται σε επεξεργασία ανά μονάδα χρόνου. Ένα οροπέδιο σηματοδοτεί το όριο επεκτασιμότητας
Μετρήσεις χρόνου Χρόνος συνεδρίας, χρόνος επανεκκίνησης, χρόνος εκτύπωσης, χρόνος συναλλαγής και χρόνος εκτέλεσης εργασίας
Απόδοση σε σχέση με τον αριθμό χρηστών Πώς κινείται κάθε μέτρηση καθώς οι ταυτόχρονοι χρήστες προστίθενται σταδιακά
Ζητήστε τιμές Αιτήματα ανά δευτερόλεπτο, συναλλαγές ανά δευτερόλεπτο και επισκέψεις ανά δευτερόλεπτο
Χρήση δικτύου Καταναλισκόμενο εύρος ζώνης και καθυστέρηση πακέτων μεταξύ των επιπέδων
Χρήση CPU και μνήμης Κόστος πόρων ανά συναλλαγή. Ένα σταθερά αυξανόμενο ποσό συχνά υποδηλώνει διαρροή
Μετρητές διακομιστή ιστού Αιτήματα και απαντήσεις ανά δευτερόλεπτο, βάθος ουράς και απορριφθείσες συνδέσεις
Απόδοση υπό φορτίο Συνδυασμένη συμπεριφορά μόλις κάθε μέτρηση διαβαστεί μαζί στην κορύφωση

Στρατηγική Δοκιμών για Δοκιμές Επεκτασιμότητας

Η στρατηγική δοκιμής για τον έλεγχο επεκτασιμότητας διαφέρει ανάλογα με τον τύπο της εφαρμογής που δοκιμάζεται. Εάν μια εφαρμογή έχει πρόσβαση σε ένα βάσεις δεδομένων, οι παράμετροι δοκιμής θα περιλαμβάνουν το μέγεθος της βάσης δεδομένων σε σχέση με τον αριθμό των χρηστών, και ούτω καθεξής.

Προϋποθέσεις για Δοκιμές Επεκτασιμότητας

  • Δυνατότητα διανομής φορτίου — Ελέγξτε εάν το εργαλείο δοκιμής φορτίου επιτρέπει την παραγωγή φορτίου από πολλαπλά μηχανήματα και τον έλεγχο από ένα κεντρικό σημείο.
  • Operating System — Ελέγξτε τι λειτουργικά συστήματα οι πράκτορες δημιουργίας φορτίου και ο κύριος έλεγχος φορτίου εκτελούνται κάτω από.
  • Επεξεργαστής — Ελέγξτε τον τύπο CPU που απαιτείται για τον εικονικό παράγοντα χρήστη και φορτώστε την κύρια μονάδα δοκιμής.
  • Μνήμη — Ελέγξτε πόση μνήμη θα ήταν αρκετή για τον εικονικό παράγοντα χρήστη και τη φόρτωση της κύριας δοκιμαστικής μονάδας.
  • Περιβάλλον δοκιμής — Ελέγξτε ότι το περιβάλλον δοκιμής αντικατοπτρίζει την παραγωγή αρκετά πιστά ώστε τα αποτελέσματα να μπορούν να μεταφερθούν.

Πώς να κάνετε τη δοκιμή επεκτασιμότητας

  1. Ορίστε μια επαναλήψιμη διαδικασία για την εκτέλεση δοκιμών επεκτασιμότητας καθ' όλη τη διάρκεια του κύκλου ζωής της εφαρμογής
  2. Προσδιορίστε τα κριτήρια επεκτασιμότητας
  3. Σύντομη λίστα των εργαλείων λογισμικού που απαιτούνται για την εκτέλεση της δοκιμής φόρτωσης
  4. Ρυθμίστε το περιβάλλον δοκιμών και διαμορφώστε το υλικό που απαιτείται για την εκτέλεση δοκιμών επεκτασιμότητας
  5. Σχεδιάστε τα σενάρια δοκιμών καθώς και τις δοκιμές επεκτασιμότητας
  6. Δημιουργία και επαλήθευση του σεναρίου εικονικού χρήστη
  7. Δημιουργήστε και επαληθεύστε τα σενάρια δοκιμής φόρτωσης
  8. Εκτελέστε τις δοκιμές
  9. Αξιολογήστε τα αποτελέσματα
  10. Δημιουργήστε τις απαιτούμενες αναφορές

Σχέδιο δοκιμής επεκτασιμότητας

Πριν δημιουργήσετε τις δοκιμές, αναπτύξτε ένα λεπτομερές σχέδιο δοκιμών. Είναι ένα σημαντικό βήμα για να διασφαλίσετε ότι η δοκιμή συμμορφώνεται με τις απαιτήσεις της εφαρμογής.

Ακολουθούν τα χαρακτηριστικά για τη δημιουργία ενός καλά καθορισμένου Σχέδιο δοκιμής για Δοκιμές Επεκτασιμότητας.

  • Βήματα για σενάριαΤο σενάριο δοκιμής θα πρέπει να έχει λεπτομερή βήματα που καθορίζουν τις ακριβείς ενέργειες που θα εκτελέσει ένας χρήστης.
  • Δεδομένα χρόνου εκτέλεσηςΤο σχέδιο δοκιμών θα πρέπει να καθορίζει τυχόν δεδομένα χρόνου εκτέλεσης που απαιτούνται για την αλληλεπίδραση με την εφαρμογή.
  • Δοκιμές βάσει δεδομένωνΕάν τα σενάρια χρειάζονται ποικίλα δεδομένα κατά τον χρόνο εκτέλεσης, χρειάζεστε κατανόηση όλων των πεδίων που απαιτούν αυτά τα δεδομένα.

Παράδειγμα Δοκιμής Επεκτασιμότητας

Σκεφτείτε ένα ηλεκτρονικό κατάστημα που αναμένει 2,000 ταυτόχρονους αγοραστές κατά τη διάρκεια μιας εποχιακής προσφοράς. Η ομάδα συμφωνεί πρώτα σε ένα κριτήριο επιτυχίας: η συναλλαγή ολοκλήρωσης αγοράς πρέπει να ολοκληρωθεί σε λιγότερο από τρία δευτερόλεπτα για το 95% των χρηστών, με ποσοστό σφάλματος κάτω από ένα τοις εκατό.

Στη συνέχεια, η δοκιμή εκτελεί το ίδιο σενάριο browse-search-cart-checkout σε 250, 500, 1,000, 1,500 και 2,000 εικονικούς χρήστες. Ο χρόνος απόκρισης διαρκεί σχεδόν δύο δευτερόλεπτα έως 1,000 χρήστες, μειώνεται στα 2.8 δευτερόλεπτα στους 1,500 και φτάνει τα εννέα δευτερόλεπτα στους 2,000, ενώ η CPU της βάσης δεδομένων βρίσκεται στο 98%. Το όριο επεκτασιμότητας είναι επομένως περίπου 1,500 χρήστες και το σημείο συμφόρησης είναι το επίπεδο της βάσης δεδομένων — όχι οι διακομιστές εφαρμογών που είχε σχεδιάσει να προσθέσει η ομάδα.

Εργαλεία δοκιμής επεκτασιμότητας

Οι δοκιμές κλιμάκωσης χρειάζονται ένα εργαλείο που μπορεί να παράγει φορτίο από πολλά μηχανήματα ταυτόχρονα και να αναφέρει τα αποτελέσματα κεντρικά. Η επιλογή συνήθως ακολουθεί την κύρια γλώσσα της ομάδας και τα πρωτόκολλα που δοκιμάζονται.

Εργαλείο scripting κατάλληλο για
Apache JMeter Σχέδια δοκιμών GUI συν XML, Java βασίζονται Ευρεία κάλυψη πρωτοκόλλου, συμπεριλαμβανομένων των JDBC, JMS, LDAP και SOAP
Γράφανα k6 JavaΣενάριο ή TypeScript Δοκιμές API και μικροϋπηρεσιών συνδεδεμένες σε έναν αγωγό CI/CD
Gatling Java, Kotlin ή Scala DSL Υψηλός αριθμός εικονικών χρηστών ανά injector με λεπτομερείς αναφορές HTML
Ακρίδα Σκέτη Python Python ομάδες που πρέπει να επεκτείνουν τον πελάτη πέρα ​​από το HTTP
LoadRunner Σενάρια τύπου C που έχουν ηχογραφηθεί σε VuGen Μεγάλες εταιρικές εγκαταστάσεις με παλαιές και συσκευασμένες εφαρμογές

Οι δρομείς που φιλοξενούνται στο cloud, όπως BlazeMeter, LoadView και Gatling Enterprise βρίσκονται στην κορυφή αρκετών από αυτές τις μηχανές και αξίζει να ληφθούν υπόψη όταν μια δοκιμή χρειάζεται δεκάδες χιλιάδες εικονικούς χρήστες ή επισκεψιμότητα από πολλαπλές γεωγραφικές περιοχές. Μια ευρύτερη επισκόπηση της κατηγορίας είναι διαθέσιμη στον οδηγό για εργαλεία δοκιμής απόδοσης.

Προκλήσεις και καλυτερα πρακτικές στο Scalability Testing

Τα πιο απογοητευτικά αποτελέσματα επεκτασιμότητας tracΕπιστροφή στη ρύθμιση της δοκιμής αντί για την εφαρμογή. Αυτά είναι τα προβλήματα που επαναλαμβάνονται και οι συνήθειες που τα αποτρέπουν.

Κοινές προκλήσεις

  • Περιβάλλοντα μικρού μεγέθους — Μια πλατφόρμα δοκιμών με τη μισή μνήμη παραγωγής αναφέρει ένα σημείο συμφόρησης που δεν υπάρχει στην παραγωγή.
  • Μη ρεαλιστικά μοντέλα φόρτου εργασίας — Τα σενάρια χωρίς χρόνο σκέψης ή διακύμανση δεδομένων επιτυγχάνουν προσωρινές μνήμες που οι πραγματικοί χρήστες θα έχαναν.
  • Θορυβώδη αποτελέσματα — Η αυτόματη κλιμάκωση, η συλλογή απορριμμάτων και το κοινόχρηστο υλικό cloud κάνουν δύο πανομοιότυπες εκτελέσεις να μην συμφωνούν.
  • Λεπτή παρατηρησιμότητα — Χωρίς μετρήσεις από την πλευρά του διακομιστή, ένα αργό αποτέλεσμα δείχνει ότι κάτι χάλασε, αλλά όχι τι.
  • Κόστος — Η παραγωγή πολύ υψηλού ταυτόχρονου χρόνου απαιτεί τον δικό της στόλο γεννητριών φορτίου, κάτι που είναι εύκολο να υποεκτιμηθεί.

καλυτερα πρακτικες

  • Συμφωνήστε τα κριτήρια επιτυχίας, όπως ένα εκατοστημόριο χρόνου απόκρισης και ένα ανώτατο όριο ποσοστού σφάλματος, πριν από την πρώτη εκτέλεση.
  • Αυξήστε το φορτίο στα προγραμματισμένα βήματα και κρατήστε κάθε βήμα για αρκετό χρόνο ώστε να ηρεμήσει το σύστημα.
  • Μεταβάλλετε τα δεδομένα δοκιμών ανά εικονικό χρήστη, ώστε η προσωρινή αποθήκευση να μην επιδεινώνει τα αποτελέσματα.
  • Συλλέξτε μετρήσεις εφαρμογών, βάσεων δεδομένων και υποδομής μαζί με τους αριθμούς από την πλευρά του πελάτη.
  • Αποθηκεύστε τα σενάρια δοκιμών στον έλεγχο έκδοσης και εκτελέστε έναν σύντομο έλεγχο επεκτασιμότητας σε κάθε έκδοση και, στη συνέχεια, μια πλήρη εκτέλεση πριν από την κυκλοφορία.
  • Συγκρίνετε τάσεις μεταξύ των κατασκευών αντί να κρίνετε μια μεμονωμένη αναφορά.

Δοκιμή κλιμάκωσης έναντι δοκιμής φορτίου

Τα δύο συχνά συγχέονται επειδή και τα δύο εφαρμόζουν φορτίο. Η διαφορά έγκειται στην ερώτηση στην οποία απαντά το καθένα: Η δοκιμή επεκτασιμότητας ρωτά πόσο μακριά μπορεί να αναπτυχθεί το σύστημα, ενώ δοκιμή φορτίου ρωτάει αν ανταποκρίνεται στο ήδη αναμενόμενο φορτίο.

Βάση Δοκιμή επεκτασιμότητας Δοκιμές φορτίου
Συγκέντρωση Εστιάζει στην απόδοση των ιστότοπων, του λογισμικού, του υλικού και των εφαρμογών σας όταν γίνονται αλλαγές στο μέγεθος ή τον όγκο του συστήματος για την κάλυψη μιας αυξανόμενης ανάγκης. Η δοκιμή φορτίου επικεντρώνεται στη δοκιμή μιας εφαρμογής υπό βαριά φορτία, για να προσδιοριστεί σε ποιο σημείο αποτυγχάνει ο χρόνος απόκρισης του συστήματος.
Μοτίβο φόρτωσης Το φορτίο αυξάνεται σταδιακά και οι πόροι μπορούν να προστεθούν μεταξύ των βημάτων Το φορτίο διατηρείται σε μια αναμενόμενη κορυφή για μια καθορισμένη διάρκεια
Η ερώτηση απαντήθηκε Πόσο μπορεί να αναπτυχθεί αυτό το σύστημα και τι το περιορίζει; Επιτυγχάνει αυτό το σύστημα τους συμφωνημένους στόχους του σήμερα;
Τυπική έξοδος Όριο κλιμάκωσης, σημείο συμφόρησης και σχέδιο χωρητικότητας Επιτυχία ή αποτυχία σε σχέση με τους στόχους χρόνου απόκρισης και απόδοσης

Και οι δύο κάθονται κάτω από το μη λειτουργικές δοκιμές ομπρέλα δίπλα προσομοίωσης ακραίων καταστάσεων, δοκιμή αιχμής, τεστ αντοχής και δοκιμή όγκου, και μια ώριμη στρατηγική απόδοσης συνήθως εκτελεί πολλά από αυτά με βάση τα ίδια σενάρια.

Συχνές Ερωτήσεις

Τα μοντέλα μηχανικής μάθησης διαβάζουν ιστορικά δεδομένα εκτέλεσης για να επισημάνουν ποια μέτρηση απόκλινε πρώτη, να διαχωρίσουν τις πραγματικές παλινδρομήσεις από τον θόρυβο cloud και να προβλέψουν το επίπεδο φόρτωσης στο οποίο θα κορεστεί ένας πόρος. Αρκετές εμπορικές πλατφόρμες διαθέτουν πλέον αυτήν την επιλογή ως αυτοματοποιημένη ανάλυση μετά την εκτέλεση.

Ναι. Ο συγκυβερνήτης και παρόμοιοι πράκτορες επιλέγουν πράκτορες που επιλέγουν τον συγκυβερνήτη και παρόμοιους πράκτορες. k6 ή σενάρια Locust, δημιουργούν παραμετροποιημένα δεδομένα δοκιμών και προετοιμάζουν γρήγορα τα βήματα αγωγού CI. Ένας μηχανικός απόδοσης πρέπει να ορίσει ρεαλιστικούς χρόνους σκέψης, μείγματα φόρτου εργασίας και κριτήρια επιτυχίας, επειδή αυτά προέρχονται από τη συμπεριφορά παραγωγής.

Η επεκτασιμότητα είναι η ικανότητα ανάπτυξης όταν προστίθενται πόροι, είτε αυτό διαρκεί λεπτά είτε μήνες. Η ελαστικότητα είναι η δυνατότητα αυτόματης προσθήκης και αποδέσμευσης αυτών των πόρων καθώς αλλάζει η ζήτηση και στη συνέχεια επιστροφής στο μικρότερο αποτύπωμα στη συνέχεια.

Ξεκινήστε πολύ κάτω από την αναμενόμενη κορυφή, συχνά δέκα έως είκοσι τοις εκατό, για να επιβεβαιώσετε το σενάριο και την εργασία παρακολούθησης. Αυξήστε την καταμέτρηση σε ίσα βήματα προς τον στόχο και πέρα ​​από αυτόν, καθώς η ενδιαφέρουσα συμπεριφορά εμφανίζεται μεταξύ δύο βημάτων και όχι σε έναν αριθμό.

Ένα μόνο μηχάνημα γραφείου δεν μπορεί να δημιουργήσει δεκάδες χιλιάδες συνεδρίες και δεν μπορεί να αναπαράγει την καθυστέρηση που βιώνει ένας χρήστης σε μια άλλη περιοχή. Δοκιμές στο cloud Προμηθεύει γεννήτριες φορτίου σε διάφορες περιοχές κατόπιν ζήτησης και τις απελευθερώνει όταν ολοκληρωθεί η εκτέλεση.

Εκτελέστε έναν σύντομο έλεγχο σε κάθε έκδοση, ώστε να εμφανίζονται οι παλινδρομήσεις εντός μιας ημέρας, και μια πλήρη σταδιακή εκτέλεση πριν από οποιαδήποτε κυκλοφορία που αλλάζει την αρχιτεκτονική, το σχήμα βάσης δεδομένων ή τις προσδοκίες επισκεψιμότητας. Η αναμονή μέχρι την εβδομάδα πριν από την κυκλοφορία δεν αφήνει χρόνο για να διορθώσετε τα ευρήματα της δοκιμής.

Πέρα από τις χαμένες συναλλαγές κατά τη διάρκεια του παραθύρου διακοπής, οι αργές σελίδες ωθούν τους επισκέπτες σε ανταγωνιστές και βλάπτουν τις κατατάξεις στις μηχανές αναζήτησης. Για το λιανικό εμπόριο και την έκδοση εισιτηρίων, η αποτυχία συνήθως συμβαίνει την ημέρα με τα υψηλότερα έσοδα του έτους, δηλαδή ακριβώς όταν η επισκεψιμότητα ήταν προβλέψιμη.

Σενάρια σε JavaΓραφή, Python or Java, μια πρακτική γνώση του HTTP και της συμπεριφοράς των βάσεων δεδομένων, άνετη ανάγνωση μετρήσεων διακομιστή και κοντέινερ και αρκετά στατιστικά στοιχεία για να διακρίνουν ένα εκατοστημόριο από έναν μέσο όρο. Η εξοικείωση με το cloud και το CI/CD έχει γίνει σχεδόν απαραίτητη.

Συνοψίστε αυτήν την ανάρτηση με: