基于kubernetes搭建分布式压测系统是怎样的

这篇文章将为大家详细讲解有关基于kubernetes搭建分布式压测系统是怎样的，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

分布式压测方案借助的三个技术

原理上来讲，需要借助三方面的技术：

编程技术

这里我们选择了我们团队较熟悉的python，不同团队可以有不同的选择；

压测引擎

我们用的是Locust，因为它是用python写脚本，其实也可以更换成jmeter之类的其它压测引擎，

kubernetes

主要利用它的服务编排技术来进行一个资源上的调度，经过我们测试，如果是普通集群，在需要弹出集群物理节点的情况下，全部就绪需要90秒，但是使用弹性集群，则可以压缩到15~20秒，所以推荐使用弹性集群。 整个技术框架原理上，压测节点分为主节点（master）、从节点 （slave）和监控节点（monitor）三种类型：

主节点

负责任务管理和数据采集聚合，本身不进行压测任务

从节点

负责压测任务

监控节点

从主节点将结果通过webhook传递给web服务处理端；

另外这些节点的状态、日志都会通过k8s的api进行采集。 根据压测任务里主从节点所申请的资源，集群将提前伸缩好节点，并将任务分配到不同节点，以达到动态提高压测能力的目的。

压测流程

右边为用户所感知到的过程，压测集中包括多个压测场景，通过编写压测脚本和配置压测参数的方式生成压测任务，并最终生成压测报告。

左边为python控制集群来生成任务的过程，具体是渲染生成不同任务的yaml文件后，生成相应的 job pod，然后持续将 pod 状态 、日志和压测曲线结果反馈在页面上。

整个过程所使用的技术并没有多高深，主要是在集群应用上的一种探索。

实现方法

使用yaml编排job服务，举例slave节点来说，主要是声明一个job类型的工作负载，将生成的任务从节点名以及任务生成的命名空间渲染上去，然后设置我们的压测基础镜像以及启动命令，这里我们用到了 kubernetes 的几个技巧，一个是通过hostAliases进行内部解析，这样可以对一些内网代理进行压测，另一个是声明申请资源CPU，以便在任务启动前提前伸缩好物理节点提供资源，还有一个是通过configmap挂载可执行文件，这样可以注入参数在变化的启动命令，而不需要重新构建镜像。

然后说一下我们的代码框架，主要是分为这几个模块：

• k8s模块，提供一些如创建销毁命名空间或pod、查看状态、拉取日志等api功能；

• 基础镜像，较为简单，主要安装了一些基础通用的库，然后开通了一些内部使用的端口；

• 任务编排声明文件，包括了我上面说的几种节点服务；

• 任务核心方法类，主要是将上述的流程代码实现，提供了一些方法，这里限于篇幅就不具体展开了。

然后最后我们来看下效果：

这是我们压测系统的管理界面，现在看到的是压测集，方便集中管理。

这是创建压测场景，并基于该场景编写python压测脚本，并可设置我们的任务参数。

这是压测任务详情页，可以看到压测参数、状态以及节点情况和查看日志。

这是压测过程中实时生成的图表，可以基于图表情况进行分析。

未来改进方向

• 引擎类型或版本允许选择更换；

• 批量定时分阶段的自动压测计划；

• 将所有涉及资源图表关联进来，形成更为详尽的报告；

• 任务资源限制与使用审批；

• 报告分析结论存档，相关问题追踪处理结果存档；

• 相同条件的多次压测结果对比展示；

• 使用更为云原生的方式管理任务的生命周期；

关于基于kubernetes搭建分布式压测系统是怎样的就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。