CN112799950A - 后台服务的负载能力测试系统、方法、存储介质及电子设备 - Google Patents
后台服务的负载能力测试系统、方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112799950A CN112799950A CN202110154232.2A CN202110154232A CN112799950A CN 112799950 A CN112799950 A CN 112799950A CN 202110154232 A CN202110154232 A CN 202110154232A CN 112799950 A CN112799950 A CN 112799950A
- Authority
- CN
- China
- Prior art keywords
- data
- background service
- real scene
- client
- service
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000004088 simulation Methods 0.000 claims abstract description 71
- 238000012544 monitoring process Methods 0.000 claims abstract description 45
- 238000013523 data management Methods 0.000 claims abstract description 31
- 238000007726 management method Methods 0.000 claims abstract description 21
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000009530 blood pressure measurement Methods 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000013049 sediment Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
- G06F9/505—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals considering the load
Abstract
本发明公开了一种后台服务的负载能力测试系统、方法、存储介质及电子设备，该系统包括：策略管理模块、数据管理模块、数据监控模块以及客户端；其中，策略管理模块、数据管理模块、数据监控模块以及客户端依次通信连接；其中，策略管理模块，用于根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；数据管理模块，用于根据真实场景模拟规则发送数据至客户端中的后台服务；数据监控模块，用于监控客户端的后台服务的运行状态与服务器资源状态生成监测结果，并统计检测结果中的多项指标生成后台服务的压力测试报告进行输出。因此，采用本申请实施例，由于通过模拟真实生产环境数据对后台服务进行负载能力测试，从而可以有效提高测试效率。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种后台服务的负载能力测试系统、方法、存储介质及电子设备。
背景技术
近年来，随着车联网技术的不断发展，网络上聚集了越来越多的资源，不仅包含丰富的计算、存储等物理资源，还有大量的软件、服务资源，且资源的数目和类型日益增长，从而为基于服务的网络软件开发提供了重要的基础。当每个后台服务发布后，要公开地向来自各处的不同请求提供服务，它能应对多大的负载，在不同负载下性能会有何种不同表现，都需要通过后台服务负载测试来获得。所以，后台服务负载测试是通过测试服务在资源超负荷情况下的表现，以发现设计上的错误或验证后台服务的负载能力。
在现有的测试技术中，大多采用单个测试节点或小集群环境对后台服务进行负载测试。由于测试每个后台服务时后台服务数量庞大，测试数据类型比较单一，测试数据的数量较少，不能保障后台服务在大量的复杂多变的测试数据中的性能测试，从而降低了测试效率。
发明内容
本申请实施例提供了一种后台服务的负载能力测试系统、方法、存储介质及电子设备。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
第一方面，本申请实施例提供了一种后台服务的负载能力测试系统，该系统包括：
策略管理模块、数据管理模块、数据监控模块以及客户端；其中，
策略管理模块、数据管理模块、数据监控模块以及客户端依次通信连接；其中，
策略管理模块，用于根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；
数据管理模块，用于根据真实场景模拟规则发送数据至客户端中的后台服务；
数据监控模块，用于监控客户端的后台服务的运行状态与服务器资源状态生成监测结果，并统计检测结果中的多项指标生成后台服务的压力测试报告进行输出。
可选的，数据管理模块包括压测单元和数据管理单元；其中，
数据管理单元包括数据管理服务端口以及数据连接端口；
其中，压测单元和数据管理单元设置于数据管理模块上。
可选的，压测单元，用于针对后台服务的负载能力进行测试；
数据管理服务端口，用于接收来自用户发送的控制测试流程的指令；其中，指令至少包括启动指令、停止指令、监听指令、运行监控指令；
数据连接端口，用于建立与客户端的数据传输通道。
可选的，压测单元支持多节点集群模式运行方式；当压测单元出现内部异常和/或无法提供服务时，集群自动监测并剔除压测单元。
可选的，策略管理模块包括数据分析单元；其中，
数据分析单元，用于分析历史车辆GPS数据。
第二方面，本申请实施例提供了一种后台服务的负载能力测试方法，该方法包括：
确定待测试的业务场景对应的后台服务；
获取后台服务的历史车辆GPS数据；
根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；
根据真实场景模拟规则发送数据至客户端中的后台服务；
监测客户端的后台服务的运行状态与服务器资源状态生成监测结果；
统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。
可选的，历史车辆GPS数据包括正常位置数据和异常位置数据；
其中，正常位置数据包括位置类型数据、报警类型数据、下发消息类型数据、分段限速类型数据以及停靠类型数据；
异常位置数据包括车机信号缺失补传类型数据、数据时断时续类型数据以及定位错误类型数据。
可选的，根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则，包括：
初始化预先训练的真实场景模拟规则生成模型；
将历史车辆GPS数据输入真实场景模拟规则生成模型中；其中，真实场景模拟规则生成模型基于历史车辆GPS数据包括正常位置数据和异常位置数据训练生成；
输出真实场景模拟规则。
第三方面，本申请实施例提供一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
第四方面，本申请实施例提供一种电子设备，可包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果：
在本申请实施例中，后台服务的负载能力测试系统首先确定待测试的业务场景对应的后台服务，再获取后台服务的历史车辆GPS数据，其次根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则，然后根据真实场景模拟规则发送数据至客户端中的后台服务，再监测客户端的后台服务的运行状态与服务器资源状态生成监测结果，最后统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。由于本申请通过结合大数据分析历史数据沉淀，智能生成真实车机上报数据模拟模型，通过该模型模拟真实生产环境数据对后台服务进行负载能力测试，从而可以有效提高测试效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是本申请实施例提供的一种后台服务的负载能力测试系统中3个核心模块的示意图；
图2是本申请实施例提供的一种后台服务的负载能力测试方法示意图；
图3是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案，以使本领域的技术人员能够实践它们。
应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本申请提供了一种后台服务的负载能力测试系统、方法、存储介质及电子设备，以解决上述相关技术问题中存在的问题。本申请提供的技术方案中，由于本申请通过结合大数据分析历史数据沉淀，智能生成真实车机上报数据模拟模型，通过该模型模拟真实生产环境数据对后台服务进行负载能力测试，从而可以有效提高测试效率，下面采用示例性的实施例进行详细说明。
请参见图1，图1是本申请提供的一种后台服务的负载能力测试系统中包含的3个核心模块，分别为策略管理模块、数据管理模块、数据监控模块。
该系统包括策略管理模块、数据管理模块、数据监控模块以及客户端；其中，策略管理模块、数据管理模块、数据监控模块以及客户端依次通信连接；其中，策略管理模块，用于根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；数据管理模块，用于根据真实场景模拟规则发送数据至客户端中的后台服务；数据监控模块，用于监控客户端的后台服务的运行状态与服务器资源状态生成监测结果，并统计检测结果中的多项指标生成后台服务的压力测试报告进行输出。
在本实施例中，数据管理模块包括压测单元和数据管理单元；其中，数据管理单元包括数据管理服务端口以及数据连接端口；其中，压测单元和数据管理单元设置于数据管理模块上。
在本实施例中，压测单元，用于针对后台服务的负载能力进行测试；数据管理服务端口，用于接收来自用户发送的控制测试流程的指令；其中，指令至少包括启动指令、停止指令、监听指令、运行监控指令；数据连接端口，用于建立与客户端的数据传输通道。
在本实施例中，压测单元支持多节点集群模式运行方式；当压测单元出现内部异常和/或无法提供服务时，集群自动监测并剔除压测单元。
在本实施例中，策略管理模块包括数据分析单元；其中，数据分析单元，用于分析历史车辆GPS数据。
具体的，数据管理模块包括：
a、数据管理模块初始化压测策略配置参数，并启动压测单元。其中压测单元支持多节点集群模式运行，若某个压测单元出现内部异常或无法提供服务，集群自动监测并剔除故障压测单元。
b、数据管理单元启动数据管理服务端口，支持用户发送：启动、停止、监听、运行监控等指令智能控制测试流程。
c、数据管理单元启动数据连接端口，按既定模拟规则发送数据到客户端服务。
数据监控模块包括：
a、压测单元启动后，系统会定时监控压测单元运行情况：数据队列大小、生产数据速率、消费数据速率等。
b、若监控发现客户端服务存在数据积压或不可用情况，则将异常情况报警消息推送至指定人员。
c、通过图表展示压测单元运行状态，压测结束则生成压测情况趋势图、整体测试报告，自动将报告通过邮件发送到指定人员。
策略管理模块具体包括：结合现有的大数据沉淀(包含：上报位置、停靠点、上下线、车辆行驶里程分析等)，为验证服务处理性能和业务场景覆盖率情况，往往无法将生产真实业务量接入测试环境进行压测，同时，确保输出更全面更可信的测试报告，故采用大数据拟真数据模拟验证，以达到压测最佳效果。本模块依据机器学习分析历史数据，智能生成真实场景模拟规则。
在本申请实施例中，后台服务的负载能力测试系统首先确定待测试的业务场景对应的后台服务，再获取后台服务的历史车辆GPS数据，其次根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则，然后根据真实场景模拟规则发送数据至客户端中的后台服务，再监测客户端的后台服务的运行状态与服务器资源状态生成监测结果，最后统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。由于本申请通过结合大数据分析历史数据沉淀，智能生成真实车机上报数据模拟模型，通过该模型模拟真实生产环境数据对后台服务进行负载能力测试，从而可以有效提高测试效率。
下面将结合附图2，对本申请实施例提供的后台服务的负载能力测试方法进行详细介绍。该方法可依赖于计算机程序实现，可运行于基于冯诺依曼体系的后台服务的负载能力测试系统上。该计算机程序可集成在应用中，也可作为独立的工具类应用运行。
请参见图2，为本申请实施例提供了一种后台服务的负载能力测试方法的流程示意图。如图2所示，本申请实施例的方法可以包括以下步骤：
S101，确定待测试的业务场景对应的后台服务；
其中，待测试的业务场景例如车辆报警的服务，后台服务是部署在客户端中运行的多个功能节点。
在一种可能的实现方式中，当针对后台服务的负载能力进行测试时，首先确定需要测试的业务场景，然后根据业务场景查询对应的后台服务。
S102，获取后台服务的历史车辆GPS数据；
其中，历史车辆GPS数据包括正常位置数据和异常位置数据；正常位置数据包括位置类型数据、报警类型数据、下发消息类型数据、分段限速类型数据以及停靠类型数据；异常位置数据包括车机信号缺失补传类型数据、数据时断时续类型数据以及定位错误类型数据。
具体的，正常位置数据包括：
1)位置类(约90％以上车辆满足：每30秒上报一条位置数据，且连续上报过4小时位置数据后再上报一条下线指令(停车休息))
2)报警类(在X分钟内持续上报Y条包含超速、疲劳报警的数据)
3)下发消息类(满足：首次上报正常位置、车辆经纬度包含在电子围栏范围内，发送文本消息数据)
4)分段限速类(依据每条位置经纬度、方向获取当前路段限速值，满足：连续上报X条GPS速度超过道路限速值Y％以上的位置数据)
5)停靠类(筛选地理信息中物流园、工厂、加油站POI信息，依据POI对应经纬度上报X条停靠时长大于n分钟以上的停靠位置点)
异常位置数据包括：
1)车机信号缺失补传(每30秒上报一条实时位置，模拟隧道上报盲区补传数据场景，如：针对隧道延迟上报场景，隧道总长度3km，隧道车辆速度60km/h，则驶出隧道预计花费180秒。车辆进入隧道后，卫星信号丢失，货车的位置数据会缓存于终端设备，在隧道出口恢复信号后，即在第210秒后将终端缓存的位置延迟上报，类别是盲区补传，根据场景调整延迟上报策略，满足各种信号缺失场景)
2)数据时断时续(车机上报数据连续率约95％，相邻2条数据GPS时间间隔超过30秒；模拟临时停车数据：连续上报X条正常位置后，按间隔上报Y条速度为0的位置)
3)定位错误数据(经纬度非中国范围、经纬度相同、定位GPS时间非当天日期、经纬度漂移距离超过5公里、行驶方向非0～359度、GPS速度超过140km/h等)。
在一种可能的实现方式中，在查找到当前需要测试的业务场景对应的服务后，从全覆盖货车大数据中心获取当前服务的多种类型的历史车辆GPS数据集。
S103，根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；
在一种可能的实现方式中，在采集到多种类型数据集后，首先初始化预先训练的真实场景模拟规则生成模型，然后将历史车辆GPS数据输入真实场景模拟规则生成模型中；其中，真实场景模拟规则生成模型基于历史车辆GPS数据包括正常位置数据和异常位置数据训练生成，最后输出真实场景模拟规则。
进一步地，按照以下方式生成预先训练的真实场景模拟规则生成模型，首先采用神经网络创建真实场景模拟规则生成模型，然后采集多种类型的数据作为模型的训练样本，然后将训练样本输入创建的真实场景模拟规则生成模型中进行反复训练，当训练的次数达到设定迭代次数时，生成预先训练的真实场景模拟规则生成模型，使得最终的模型可以根据输入的数据产生真实场景模拟规则。
进一步地，在进行训练时，当训练一次时输出模型中损失函数的损失值，可根据损失值的大小判断模型训练的情况，当损失值符合预设值时，模型停止训练。
S104，根据真实场景模拟规则发送数据至客户端中的后台服务；
通常，在输出真实场景模拟规则后，系统可根据真实场景模拟规则抓取数据不断的发送至客户端中的后台服务中进行压力测试。
进一步地，数据发送时可以按照预设时间间隔进行批量的发送一段时间。
S105，监测客户端的后台服务的运行状态与服务器资源状态生成监测结果；
S106，统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。
通常，基于全量货车历史数据的独家条件，结合全国唯一680万全覆盖货车大数据,压测数据拟真度更高。可以满足更全面的压测业务覆盖率，适应车联网各种服务场景(实时解析、报警处理、停靠点计算、车机消息下发等)，达到可信度更高的压测效果。
在一种可能的实现方式中，在测试货车报警业务处理性能场景中，按照真实业务场景配置策略：每秒发送1万辆车，每上报1条正常位置后上报2条超速报警，持续发送数据，持续发送3个小时。查看货车报警处理服务运行是否异常，客户端服务器资源情况是否正常，统计各项指标，输出货车报警实时服务压力测试报告。
在本申请实施例中，具体的提供了一种车联网场景下的货车GPS数据模拟压测系统。基于已有大数据沉淀，智能生成模拟规则，具备更高的压测覆盖率。系统处理时包括数据模拟和策略设置。
数据模拟：结合大数据分析历史数据沉淀，智能生成真实车机上报数据模拟模型，模拟还原度达95％以上。系统初始模拟数据清单：位置、报警、上下行指令数据，用户可以设置正常和异常数据
策略设置：支持按频率(每隔X秒上报1条位置，连续上报X条位置后停止上报等)；指定发送时间范围、车辆清单、车辆籍贯、SIM卡号段；指定业务类别(位置类、报警类、分段限速类、信息下发类等)设置发送策略
在本申请实施例中，后台服务的负载能力测试系统首先确定待测试的业务场景对应的后台服务，再获取后台服务的历史车辆GPS数据，其次根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则，然后根据真实场景模拟规则发送数据至客户端中的后台服务，再监测客户端的后台服务的运行状态与服务器资源状态生成监测结果，最后统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。由于本申请通过结合大数据分析历史数据沉淀，智能生成真实车机上报数据模拟模型，通过该模型模拟真实生产环境数据对后台服务进行负载能力测试，从而可以有效提高测试效率。
本发明还提供一种计算机可读介质，其上存储有程序指令，该程序指令被处理器执行时实现上述各个方法实施例提供的后台服务的负载能力测试方法。本发明还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例的后台服务的负载能力测试方法。
图3为一个实施例中电子设备的内部结构示意图。如图3所示，该电子设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该电子设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种数据传输方法。该电子设备的处理器用于提供计算和控制能力，支撑整个电子设备的运行。该电子设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种数据传输方法。该电子设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提出了一种电子设备，电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
确定待测试的业务场景对应的后台服务；
获取后台服务的历史车辆GPS数据；
根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；
根据真实场景模拟规则发送数据至客户端中的后台服务；
监测客户端的后台服务的运行状态与服务器资源状态生成监测结果；
统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。
在一个实施例中，处理器在执行根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则时，具体执行以下操作：
初始化预先训练的真实场景模拟规则生成模型；
将历史车辆GPS数据输入真实场景模拟规则生成模型中；其中，真实场景模拟规则生成模型基于历史车辆GPS数据包括正常位置数据和异常位置数据训练生成；
输出真实场景模拟规则。
在本申请实施例中，后台服务的负载能力测试系统首先确定待测试的业务场景对应的后台服务，再获取后台服务的历史车辆GPS数据，其次根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则，然后根据真实场景模拟规则发送数据至客户端中的后台服务，再监测客户端的后台服务的运行状态与服务器资源状态生成监测结果，最后统计检测结果中的多项指标生成后台服务的压力测试报告，并输出测试报告。由于本申请通过结合大数据分析历史数据沉淀，智能生成真实车机上报数据模拟模型，通过该模型模拟真实生产环境数据对后台服务进行负载能力测试，从而可以有效提高测试效率。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，相关的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种后台服务的负载能力测试系统，其特征在于，所述系统包括：
策略管理模块、数据管理模块、数据监控模块以及客户端；其中，
所述策略管理模块、数据管理模块、数据监控模块以及客户端依次通信连接；其中，
所述策略管理模块，用于根据历史车辆GPS数据进行机器学习后生成真实场景模拟规则；
所述数据管理模块，用于根据所述真实场景模拟规则发送数据至所述客户端中的后台服务；
所述数据监控模块，用于监控所述客户端的后台服务的运行状态与所述服务器资源状态生成监测结果，并统计所述检测结果中的多项指标生成所述后台服务的压力测试报告进行输出。
2.根据权利要求1所述的一种后台服务的负载能力测试系统，其特征在于，
所述数据管理模块包括压测单元和数据管理单元；其中，
所述数据管理单元包括数据管理服务端口以及数据连接端口；
其中，所述压测单元和数据管理单元设置于所述数据管理模块上。
3.根据权利要求2所述的一种后台服务的负载能力测试系统，其特征在于，
所述压测单元，用于针对所述后台服务的负载能力进行测试；
所述数据管理服务端口，用于接收来自用户发送的控制测试流程的指令；其中，所述指令至少包括启动指令、停止指令、监听指令、运行监控指令；
所述数据连接端口，用于建立与所述客户端的数据传输通道。
4.根据权利要求3所述的一种后台服务的负载能力测试系统，其特征在于，
所述压测单元支持多节点集群模式运行方式；当压测单元出现内部异常和/或无法提供服务时，所述集群自动监测并剔除所述压测单元。
5.根据权利要求1所述的一种后台服务的负载能力测试系统，其特征在于，
所述策略管理模块包括数据分析单元；其中，
所述数据分析单元，用于分析所述历史车辆GPS数据。
6.一种后台服务的负载能力测试方法，其特征在于，所述方法包括：
确定待测试的业务场景对应的后台服务；
获取所述后台服务的历史车辆GPS数据；
根据所述历史车辆GPS数据进行机器学习后生成真实场景模拟规则；
根据所述真实场景模拟规则发送数据至客户端中的后台服务；
监测所述客户端的后台服务的运行状态与所述服务器资源状态生成监测结果；
统计所述检测结果中的多项指标生成所述后台服务的压力测试报告，并输出所述测试报告。
7.根据权利要求6所述的方法，其特征在于，所述历史车辆GPS数据包括正常位置数据和异常位置数据；
其中，所述正常位置数据包括位置类型数据、报警类型数据、下发消息类型数据、分段限速类型数据以及停靠类型数据；
所述异常位置数据包括车机信号缺失补传类型数据、数据时断时续类型数据以及定位错误类型数据。
8.根据权利要求6和7所述的方法，其特征在于，所述根据所述历史车辆GPS数据进行机器学习后生成真实场景模拟规则，包括：
初始化预先训练的真实场景模拟规则生成模型；
将所述历史车辆GPS数据输入所述真实场景模拟规则生成模型中；其中，所述真实场景模拟规则生成模型基于所述历史车辆GPS数据包括正常位置数据和异常位置数据训练生成；
输出真实场景模拟规则。
9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如权利要求6-8任意一项的方法步骤。
10.一种电子设备，其特征在于，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行如权利要求6-8任意一项的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110154232.2A CN112799950A (zh) | 2021-02-04 | 2021-02-04 | 后台服务的负载能力测试系统、方法、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110154232.2A CN112799950A (zh) | 2021-02-04 | 2021-02-04 | 后台服务的负载能力测试系统、方法、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112799950A true CN112799950A (zh) | 2021-05-14 |
Family
ID=75814155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110154232.2A Pending CN112799950A (zh) | 2021-02-04 | 2021-02-04 | 后台服务的负载能力测试系统、方法、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112799950A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113793490A (zh) * | 2021-08-12 | 2021-12-14 | 北京中交兴路信息科技有限公司 | 一种电子围栏的压力测试方法、装置、存储介质及终端 |
| CN114816024A (zh) * | 2022-05-31 | 2022-07-29 | 苏州浪潮智能科技有限公司 | 对服务器主板负载端进行保护的方法、系统、设备及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105607997A (zh) * | 2015-11-26 | 2016-05-25 | 珠海多玩信息技术有限公司 | 一种软件产品后台服务测试方法、装置及系统 |
| CN106649060A (zh) * | 2015-11-02 | 2017-05-10 | 中国移动通信集团公司 | 设备性能测试方法及装置 |
| CN109460348A (zh) * | 2018-10-31 | 2019-03-12 | 网易（杭州）网络有限公司 | 游戏服务器的压测方法和装置 |
| CN109685275A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 配送团队负载压力预测方法、装置、电子设备及存储介质 |
| US20190129820A1 (en) * | 2017-10-31 | 2019-05-02 | Uptake Technologies, Inc. | Computer System and Method for Performing A Virtual Load Test |
| CN109840838A (zh) * | 2018-12-26 | 2019-06-04 | 天翼电子商务有限公司 | 风控规则模型双引擎系统、控制方法及服务器 |
| CN110569190A (zh) * | 2019-08-27 | 2019-12-13 | 中国工商银行股份有限公司 | 交易压力测试方法和装置、以及电子设备和可读存储介质 |
| CN111274157A (zh) * | 2020-02-27 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 测试数据模拟方法、装置、计算机设备和存储介质 |
| US20200382385A1 (en) * | 2019-05-29 | 2020-12-03 | Cisco Technology, Inc. | Adaptive stress testing of sd-wan tunnels for what-if scenario model training |
-
2021
- 2021-02-04 CN CN202110154232.2A patent/CN112799950A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106649060A (zh) * | 2015-11-02 | 2017-05-10 | 中国移动通信集团公司 | 设备性能测试方法及装置 |
| CN105607997A (zh) * | 2015-11-26 | 2016-05-25 | 珠海多玩信息技术有限公司 | 一种软件产品后台服务测试方法、装置及系统 |
| US20190129820A1 (en) * | 2017-10-31 | 2019-05-02 | Uptake Technologies, Inc. | Computer System and Method for Performing A Virtual Load Test |
| CN109460348A (zh) * | 2018-10-31 | 2019-03-12 | 网易（杭州）网络有限公司 | 游戏服务器的压测方法和装置 |
| CN109840838A (zh) * | 2018-12-26 | 2019-06-04 | 天翼电子商务有限公司 | 风控规则模型双引擎系统、控制方法及服务器 |
| CN109685275A (zh) * | 2018-12-27 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 配送团队负载压力预测方法、装置、电子设备及存储介质 |
| US20200382385A1 (en) * | 2019-05-29 | 2020-12-03 | Cisco Technology, Inc. | Adaptive stress testing of sd-wan tunnels for what-if scenario model training |
| CN110569190A (zh) * | 2019-08-27 | 2019-12-13 | 中国工商银行股份有限公司 | 交易压力测试方法和装置、以及电子设备和可读存储介质 |
| CN111274157A (zh) * | 2020-02-27 | 2020-06-12 | 平安医疗健康管理股份有限公司 | 测试数据模拟方法、装置、计算机设备和存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113793490A (zh) * | 2021-08-12 | 2021-12-14 | 北京中交兴路信息科技有限公司 | 一种电子围栏的压力测试方法、装置、存储介质及终端 |
| CN113793490B (zh) * | 2021-08-12 | 2022-09-13 | 北京中交兴路信息科技有限公司 | 一种电子围栏的压力测试方法、装置、存储介质及终端 |
| CN114816024A (zh) * | 2022-05-31 | 2022-07-29 | 苏州浪潮智能科技有限公司 | 对服务器主板负载端进行保护的方法、系统、设备及介质 |
| CN114816024B (zh) * | 2022-05-31 | 2023-07-14 | 苏州浪潮智能科技有限公司 | 对服务器主板负载端进行保护的方法、系统、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112799950A (zh) | 后台服务的负载能力测试系统、方法、存储介质及电子设备 | |
| CN111784984B (zh) | 一种分布式预警系统、方法及装置 | |
| CN113129596B (zh) | 行驶数据处理方法、装置、设备、存储介质及程序产品 | |
| Guerrero-Ibanez et al. | A policy-based multi-agent management approach for intelligent traffic-light control | |
| CN109493606A (zh) | 一种高速公路上违停车辆的识别方法及系统 | |
| CN114896166A (zh) | 场景库构建方法、装置、电子设备及存储介质 | |
| CN109634820A (zh) | 一种云端移动端协同的故障预警方法、相关设备及系统 | |
| CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
| CN112233428A (zh) | 车流量预测方法、装置、存储介质及设备 | |
| CN114413409A (zh) | 用于空调故障概率的检测方法及装置、智能空调 | |
| US10706720B2 (en) | Predicting vehicle travel times by modeling heterogeneous influences between arterial roads | |
| CN114298493A (zh) | 一种公路运行监测系统、方法、终端及存储介质 | |
| CN108248641A (zh) | 一种城市轨道交通数据处理方法及装置 | |
| CN109945880A (zh) | 路径规划方法、相关设备及可读存储介质 | |
| CN113032239A (zh) | 风险提示方法、装置、电子设备及存储介质 | |
| CN111275959B (zh) | 车辆行驶状态的确定方法、装置及电子设备 | |
| Henning et al. | Methodology for determining critical locations in road networks based on graph theory | |
| CN115384536A (zh) | 一种驾驶辅助系统控制器的评估方法、装置、设备及介质 | |
| CN115577548A (zh) | 基于数字孪生的电力通信传输网的分析方法、设备和介质 | |
| CN113049914B (zh) | 一种输电线路故障诊断方法、系统、电子设备和存储介质 | |
| Ucar et al. | Chain of Interdependent Vehicular Micro Clouds | |
| Kabashkin | Dependability of v2i services in the communication network of the intelligent transport systems | |
| CN114485826A (zh) | 一种车辆里程油耗数据确定方法及装置 | |
| CN113269339A (zh) | 一种网约车任务自动创建和分发的方法及系统 | |
| Nakamiti et al. | An agent-based simulation system for traffic control in the Brazilian intelligent cities project context |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |