CN113360182A - 系统性能诊断的方法和装置 - Google Patents

Abstract

本发明公开了一种系统性能诊断的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；获取历史测试结果数据和监控指标基准数据；将测试结果数据与历史测试结果数据进行比对以得到第一比对结果，将监控数据与监控指标基准数据进行比对以得到第二比对结果；根据第一比对结果和第二比对结果进行大数据分析，得到系统性能影响因素。该实施方式能够实现对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。

Description

系统性能诊断的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种系统性能诊断的方法和装置。

背景技术

代码优化是指开发人员在研发、测试过程中使用性能瓶颈分析工具快速定位出由于编码存在的性能瓶颈问题并持续进行优化。一种很常见的场景是测试人员在对服务进行压测时，为了可以准确获得运行过程中程序的性能数据，性能调优人员和开发者需要使用性能分析(profiling)辅助工具从全局视角来查看系统的运行状况。

目前市场上现有的工具分为应用类的性能分析工具和数据库类的分析工具。然而，现有的系统性能分析工具要么是应用在应用端性能分析，要么是应用在数据库性能分析，并没有完整的应用系统的性能分析诊断方法。

发明内容

有鉴于此，本发明实施例提供一种系统性能诊断的方法和装置，能够实现对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。

为实现上述目的，根据本发明实施例的一个方面，提供了一种系统性能诊断的方法。

一种系统性能诊断的方法，包括：

对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；

获取历史测试结果数据和监控指标基准数据；

将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；

根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素。

可选地，得到系统性能影响因素之后，还包括：

根据得到的系统性能影响因素，结合性能问题常用解决方法及历史数据，生成性能优化建议。

可选地，所述测试结果数据包括各个关键点的每秒交易响应数量和交易响应时间，所述关键点包括：期望值点、系统资源临界点、性能拐点和系统崩溃点；

所述监控数据包括应用参数、系统参数、应用数据和数据库数据；

所述应用参数包括线程数和数据堆的大小；

所述系统参数包括TCP连接数和TCP连接超时等待时间；

所述应用数据包括应用的方法耗时、应用调用次数、线程CPU消耗、网络传输的时间、垃圾回收次数、完全垃圾回收次数、垃圾回收时间和线程池；

所述数据库数据包括内存消耗、CPU消耗、前十大语句执行耗时、锁等待和死锁信息。

可选地，所述应用数据通过使用JAVA字节码增强技术在应用代码中嵌入数据采集程序来进行采集；

所述数据库数据通过使用数据库的性能计数器来进行采集，其中，对于性能计数器无法获取的数据库数据，在系统启动时、系统运行中和系统结束时各采集一次。

可选地，对系统进行动态压力梯度测试包括：

使用生产场景的用户请求占比发起压力，使用极限压力方法对系统进行动态压力梯度测试。

可选地，采集系统在不同压力梯度下的测试结果数据之后，还包括：

根据所述测试结果数据生成测试结果图形。

可选地，将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果包括：

将所述测试结果数据对应的测试结果图形与历史测试结果数据对应的历史测试结果图形进行比对以得到图形差异率；

将此次系统测试的交易响应时间与历史测试的交易响应时间进行比对以得到响应时间差异率；

将所述图形差异率和所述响应时间差异率作为第一比对结果。

可选地，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果包括：

将所述监控数据与所述监控指标基准数据进行比对，以得到所述监控数据超过所监控指标基准数据的比例作为第二比对结果。

可选地，根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素包括：

若所述第一比对结果和所述第二比对结果超过了预设阈值，则根据所述测试结果数据、所述监控数据、所述历史测试结果数据和所述监控指标基准数据进行大数据分析，得到系统性能影响因素。

可选地，所述监控指标根据技术栈的类型进行设定。

根据本发明实施例的另一方面，提供了一种系统性能诊断的装置。

一种系统性能诊断的装置，包括：

数据采集模块，用于对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；

数据获取模块，用于获取历史测试结果数据和监控指标基准数据；

数据比对模块，用于将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；

性能分析模块，用于根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素。

可选地，所述装置还包括性能优化模块，用于：

在得到系统性能影响因素之后，根据得到的系统性能影响因素，结合性能问题常用解决方法及历史数据，生成性能优化建议。

可选地，所述测试结果数据包括各个关键点的每秒交易响应数量和交易响应时间，所述关键点包括：期望值点、系统资源临界点、性能拐点和系统崩溃点；

所述监控数据包括应用参数、系统参数、应用数据和数据库数据；

所述应用参数包括线程数和数据堆的大小；

所述系统参数包括TCP连接数和TCP连接超时等待时间；

所述应用数据包括应用的方法耗时、应用调用次数、线程CPU消耗、网络传输的时间、垃圾回收次数、完全垃圾回收次数、垃圾回收时间和线程池；

所述数据库数据包括内存消耗、CPU消耗、前十大语句执行耗时、锁等待和死锁信息。

可选地，所述应用数据通过使用JAVA字节码增强技术在应用代码中嵌入数据采集程序来进行采集；

所述数据库数据通过使用数据库的性能计数器来进行采集，其中，对于性能计数器无法获取的数据库数据，在系统启动时、系统运行中和系统结束时各采集一次。

可选地，所述数据采集模块还用于：

使用生产场景的用户请求占比发起压力，使用极限压力方法对系统进行动态压力梯度测试。

可选地，所述装置还包括图形生成模块，用于：

在采集系统在不同压力梯度下的测试结果数据之后，根据所述测试结果数据生成测试结果图形。

可选地，所述数据比对模块还用于：

将所述测试结果数据对应的测试结果图形与历史测试结果数据对应的历史测试结果图形进行比对以得到图形差异率；

将此次系统测试的交易响应时间与历史测试的交易响应时间进行比对以得到响应时间差异率；

将所述图形差异率和所述响应时间差异率作为第一比对结果。

可选地，所述数据比对模块还用于：

将所述监控数据与所述监控指标基准数据进行比对，以得到所述监控数据超过所监控指标基准数据的比例作为第二比对结果。

可选地，所述性能分析模块还用于：

若所述第一比对结果和所述第二比对结果超过了预设阈值，则根据所述测试结果数据、所述监控数据、所述历史测试结果数据和所述监控指标基准数据进行大数据分析，得到系统性能影响因素。

可选地，所述监控指标根据技术栈的类型进行设定。

根据本发明实施例的又一方面，提供了一种系统性能诊断的电子设备。

一种系统性能诊断的电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的系统性能诊断的方法。

根据本发明实施例的再一方面，提供了一种计算机可读介质。

一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的系统性能诊断的方法。

上述发明中的一个实施例具有如下优点或有益效果：通过对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；获取历史测试结果数据和监控指标基准数据；将测试结果数据与历史测试结果数据进行比对以得到第一比对结果，将监控数据与监控指标基准数据进行比对以得到第二比对结果；根据第一比对结果和第二比对结果进行大数据分析，得到系统性能影响因素的技术方案，可以结合系统在不同压力梯度下的测试结果数据和监控数据，与设定的历史测试结果数据和监控指标基准数据进行比对分析，得到系统性能影响因素，实现了对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的系统性能诊断的方法的主要步骤示意图；

图2是本发明一个实施例的应用数据采集原理示意图；

图3是本发明一个实施例的测试结果图形示意图；

图4是本发明一个实施例的系统性能诊断的系统的实现框架示意图；

图5是根据本发明实施例的系统性能诊断的装置的主要模块示意图；

图6是本发明实施例可以应用于其中的示例性系统架构图；

图7是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

为了解决现有技术中存在的技术问题，本发明提供了一种系统性能诊断的方法和装置，在现有的应用和数据库分析工具的基础上，对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。本发明是从系统角度上提出的一种应用和数据库结合的性能诊断工具，可以帮助测试人员能够快速识别系统是否已经到达上限，还有无可以优化的余地。

应用性能分析工具，如阿里Arthas，可以方便进行问题的定位和诊断，支持JVM(Java Virtual Machine，Java虚拟机)线程、对类进行反编译、Stack(堆栈)、Classloader(类加载器)、方法执行监控、heapdump(使用堆转储)等。在本发明的实施例中，使用应用性能分析工具主要用于在方法执行TOP分析，对前10个比较耗时的方法进行统计并展示给用户相应的调用层级，对GC(Garbage Collection，垃圾回收)回收次数、频率、GC耗时进行统计，对线程占用CPU超过50％的进行展示，和Arthas等应用分析工具相比，主要集中在对数据的分析基础上提供给用户智能解决方案。

数据库性能分析工具，如Azure sql database，其提供了运行时的优化方案，如创建索引等，oracle也有类似的工具，在本发明的实施例中，使用数据库性能分析工具主要用于在TOP Sql的分析和数据库的趋势分析，TOP sql分析建立在实时获取在一次非功能测试过程中的TOP sql，并根据这些Sql消耗的指标结合历史解决方案推荐给用户，数据库的趋势分析主要是在一次非功能测试之后，通过对消耗的各种资源进行一个动态的预测和评估。

在本发明的实施例介绍中，所涉及到的名词术语解释如下：

应用组件：IT系统中功能相对完整的，能对外提供服务的系统；

TPS：每秒交易响应数量；

响应时间：一般取平均响应时间。

图1是根据本发明实施例的系统性能诊断的方法的主要步骤示意图。如图1所示，本发明实施例的系统性能诊断的方法主要包括如下的步骤S101至步骤S104。

步骤S101：对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；

步骤S102：获取历史测试结果数据和监控指标基准数据；

步骤S103：将测试结果数据与历史测试结果数据进行比对以得到第一比对结果，将监控数据与监控指标基准数据进行比对以得到第二比对结果；

步骤S104：根据第一比对结果和第二比对结果进行大数据分析，得到系统性能影响因素。

根据上述的步骤S101至步骤S104，即可结合系统在不同压力梯度下的测试结果数据和监控数据，与设定的历史测试结果数据和监控指标基准数据进行比对分析，得到系统性能影响因素，实现了对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。

根据本发明的一个实施例，在得到系统性能影响因素之后，该方法还可以包括：根据得到的系统性能影响因素，结合性能问题常用解决方法及历史数据，生成性能优化建议。

根据本发明的另一个实施例，测试结果数据包括各个关键点的每秒交易响应数量和交易响应时间，关键点包括：期望值点、系统资源临界点、性能拐点和系统崩溃点；

所述监控数据包括应用参数、系统参数、应用数据和数据库数据；

所述应用参数包括线程数和数据堆的大小；

所述系统参数包括TCP连接数和TCP连接超时等待时间；

所述应用数据包括应用的方法耗时、应用调用次数、线程CPU消耗、网络传输的时间、垃圾回收次数、完全垃圾回收次数、垃圾回收时间和线程池；

所述数据库数据包括内存消耗、CPU消耗、前十大语句执行耗时、锁等待和死锁信息。

根据本发明的该实施例，即可结合应用性能分析工具和数据库性能分析工具进行系统性能诊断，通过应用数据采集、数据库数据采集、动态压力、性能建议四个部分来进行系统性能诊断，其中，应用数据采集主要采集应用的方法耗时、调用次数、线程CPU消耗、网络消耗、GC次数、FULL GC次数、GC时间、线程池等信息，数据库数据采集主要包括内存消耗、CPU消耗、TOP SQL耗时、锁等待、死锁等信息。其中，应用的方法耗时就是进行一次与应用系统交互时应用系统花了多长时间，调用次数就是应用系统被前端或者其它系统调用的次数，网络消耗就是网络传输的时间，GC就是Jvm进行垃圾回收的次数。在进行系统性能诊断之后，还可以提出性能优化建议，具体地，构建系统的标准指标，通过对系统的测试值超过预警值的分析，提供用户相应的性能优化建议。

根据本发明的其中一个实施例，应用数据通过使用JAVA字节码增强技术在应用代码中嵌入数据采集程序来进行采集。这样虽然对应用的性能有一些影响，但是可以最大限度地减少这些影响。这是因为Java语言是运行在虚拟机上的，要编译成虚拟机的代码，采用的技术就是直接修改编译后的代码。

图2是本发明一个实施例的应用数据采集原理示意图。如图2所示，在本发明的一个实施例汇总个，在进行应用数据采集时，通过JAVA字节码增强技术在应用代码中嵌入数据采集程序以实现部署代理程序Agent(例如：测试探针)，并通过Agent来采集数据并将采集的数据整理成文件上传。在具体实施时，对于单应用系统，将测试探针在启动时加载即可，对于集群应用，只需要单台应用即可。

根据本发明的其中一个实施例，数据库数据通过使用数据库的性能计数器来进行采集，其中，对于性能计数器无法获取的数据库数据，在系统启动时、系统运行中和系统结束时各采集一次。数据库数据采集主要采用数据库的性能计数器，对于Oracle、Mysql分别采用各自的性能技术进行数据采集，对于非数据库的性能计数器需要采集的数据，如数据库文件增量、表空间大小等数据，在系统启动时采集一次，系统运行中采集一次，系统结束时采集一次即可。其中，数据库的表空间就是用来存储数据的，新增一条记录就会增加表空间的使用程度。

根据本发明的又一个实施例，对系统进行动态压力梯度测试包括：使用生产场景的用户请求占比发起压力，使用极限压力方法对系统进行动态压力梯度测试。具体地，可以通过对生产场景的用户请求占比进行分析，形成生产场景，保持生产场景各交易占比，对TPS(每秒交易响应数量)采用极限压测场景进行系统压力梯度测试。

根据本发明的又一个实施例，在采集系统在不同压力梯度下的测试结果数据之后，还包括：根据所述测试结果数据生成测试结果图形。

图3是本发明一个实施例的测试结果图形示意图。如图3所示，根据业务系统的需求，可设定系统性能大小，系统期望承受的压力大小等，从而可以确定各个关键点：性能期望值点，即图3中的a点；系统资源临界点，即图3中的b点，此时系统性能要高于期望值；性能拐点，即图3中的c点，此时系统性能高于期望值且处于一个拐点；系统崩溃点，即图3中的d点，此时系统已处于超负载状态，且系统资源不够用，系统已处于崩溃状态。通过对各个关键点对应的测试数据进行采集，即可得到测试结果，然后根据测试结果拟合得到测试结果图形。

根据本发明的一个实施例，在将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果时，具体可以包括：

将所述测试结果数据对应的测试结果图形与历史测试结果数据对应的历史测试结果图形进行比对以得到图形差异率；

将此次系统测试的交易响应时间与历史测试的交易响应时间进行比对以得到响应时间差异率；

将所述图形差异率和所述响应时间差异率作为第一比对结果。

根据本发明的另一个实施例，在将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果时，具体可以包括：

将所述监控数据与所述监控指标基准数据进行比对，以得到所述监控数据超过所监控指标基准数据的比例作为第二比对结果。

根据本发明的又一个实施例，根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素，具体可以包括：

若所述第一比对结果和所述第二比对结果超过了预设阈值，则根据所述测试结果数据、所述监控数据、所述历史测试结果数据和所述监控指标基准数据进行大数据分析，得到系统性能影响因素。

在本发明的实施例中，监控指标根据技术栈的类型进行设定。不同的技术栈所建立的监控指标也是不同的。

在本发明的实施例中，在进行性能分析和建议时，主要可以包含三方面内容：一是建立性能指标基准，其中，性能指标基准包括两部分，建立监控指标基准数据以用于与监控数据进行比对，获取历史测试结果数据以用于与此次测试的测试结果数据进行比对；二是对超过性能指标基准的性能瓶颈进行分析，三是通过对性能问题解决的常用方法和历史数据进行性能建议。建立性能指标基准时可根据技术栈的类型采用不同的性能指标，根据测试的类型建立不同的测试性能指标基准。将对系统进行压测时采集的数据分为测试结果数据和监控数据，将测试结果数据与历史测试结果数据进行比对分析，包括对测试结果数据图形的比对和交易响应时间比对等；监控数据主要是和监控指标基准数据进行比对。如果监控数据超过所监控指标基准数据的比例的阈值，则需要根据监控指标进行大数据分析；同样地，如果测试结果数据与历史测试结果数据的差异率超过设定的阈值，则需要根据测试结果数据进行大数据分析，以找出系统性能影响因素，并进行相应的解决方案推荐。

图4是本发明一个实施例的系统性能诊断的系统的实现框架示意图。如图4所示，在本发明的一个实施例中，系统性能诊断的系统主要采集的数据包括：应用参数、系统参数、应用数据、数据库数据、测试数据、参数阈值等；同时根据设置的AI引擎来对采集的数据进行分析，以及根据源代码分析模块进行源代码分析；最后，根据采集的数据、AI引擎和源代码分析模块即可进行系统性能诊断，主要包括趋势分析、瓶颈分析和性能建议。

图5是根据本发明实施例的系统性能诊断的装置的主要模块示意图。如图5所示，本发明实施例的系统性能诊断的装置500主要包括数据采集模块501、数据采集模块502、数据比对模块503和性能分析模块504。

数据采集模块501，用于对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；

数据采集模块502，用于获取历史测试结果数据和监控指标基准数据；

数据比对模块503，用于将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；

性能分析模块504，用于根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素。

根据本发明的一个实施例，系统性能诊断的装置500还包括性能优化模块(图中未示出)，用于：

在得到系统性能影响因素之后，根据得到的系统性能影响因素，结合性能问题常用解决方法及历史数据，生成性能优化建议。

根据本发明的另一个实施例，所述测试结果数据包括各个关键点的每秒交易响应数量和交易响应时间，所述关键点包括：期望值点、系统资源临界点、性能拐点和系统崩溃点；

所述监控数据包括应用参数、系统参数、应用数据和数据库数据；

所述应用参数包括线程数和数据堆的大小；

所述系统参数包括TCP连接数和TCP连接超时等待时间；

所述应用数据包括应用的方法耗时、应用调用次数、线程CPU消耗、网络传输的时间、垃圾回收次数、完全垃圾回收次数、垃圾回收时间和线程池；

所述数据库数据包括内存消耗、CPU消耗、前十大语句执行耗时、锁等待和死锁信息。

根据本发明的又一个实施例，所述应用数据通过使用JAVA字节码增强技术在应用代码中嵌入数据采集程序来进行采集；

所述数据库数据通过使用数据库的性能计数器来进行采集，其中，对于性能计数器无法获取的数据库数据，在系统启动时、系统运行中和系统结束时各采集一次。

根据本发明的又一个实施例，数据采集模块501还可以用于：

使用生产场景的用户请求占比发起压力，使用极限压力方法对系统进行动态压力梯度测试。

根据本发明的又一个实施例，系统性能诊断的装置500还包括图形生成模块(图中未示出)，用于：

在采集系统在不同压力梯度下的测试结果数据之后，根据所述测试结果数据生成测试结果图形。

根据本发明的又一个实施例，数据比对模块503还可以用于：

将所述测试结果数据对应的测试结果图形与历史测试结果数据对应的历史测试结果图形进行比对以得到图形差异率；

将此次系统测试的交易响应时间与历史测试的交易响应时间进行比对以得到响应时间差异率；

将所述图形差异率和所述响应时间差异率作为第一比对结果。

根据本发明的又一个实施例，数据比对模块503还可以用于：

将所述监控数据与所述监控指标基准数据进行比对，以得到所述监控数据超过所监控指标基准数据的比例作为第二比对结果。

根据本发明的又一个实施例，性能分析模块504还可以用于：

若所述第一比对结果和所述第二比对结果超过了预设阈值，则根据所述测试结果数据、所述监控数据、所述历史测试结果数据和所述监控指标基准数据进行大数据分析，得到系统性能影响因素。

根据本发明的再一个实施例，所述监控指标根据技术栈的类型进行设定。

根据本发明实施例的技术方案，通过对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；获取历史测试结果数据和监控指标基准数据；将测试结果数据与历史测试结果数据进行比对以得到第一比对结果，将监控数据与监控指标基准数据进行比对以得到第二比对结果；根据第一比对结果和第二比对结果进行大数据分析，得到系统性能影响因素的技术方案，可以结合系统在不同压力梯度下的测试结果数据和监控数据，与设定的历史测试结果数据和监控指标基准数据进行比对分析，得到系统性能影响因素，实现了对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。

图6示出了可以应用本发明实施例的系统性能诊断的方法或系统性能诊断的装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种通讯客户端应用，例如系统测试类应用、性能测试类应用、数据库测试类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所发来的性能测试请求提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的系统性能测试请求等数据进行对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；获取历史测试结果数据和监控指标基准数据；将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素等处理，并将处理结果(例如性能测试结果、性能影响因素--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的系统性能诊断的方法一般由服务器605执行，相应地，系统性能诊断的装置一般设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本发明实施例的终端设备或服务器的计算机系统700的结构示意图。图7示出的终端设备或服务器仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，例如，可以描述为：一种处理器包括数据采集模块、数据采集模块、数据比对模块和性能分析模块。其中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定，例如，数据采集模块还可以被描述为“用于对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；获取历史测试结果数据和监控指标基准数据；将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素。

根据本发明实施例的技术方案，通过对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；获取历史测试结果数据和监控指标基准数据；将测试结果数据与历史测试结果数据进行比对以得到第一比对结果，将监控数据与监控指标基准数据进行比对以得到第二比对结果；根据第一比对结果和第二比对结果进行大数据分析，得到系统性能影响因素的技术方案，可以结合系统在不同压力梯度下的测试结果数据和监控数据，与设定的历史测试结果数据和监控指标基准数据进行比对分析，得到系统性能影响因素，实现了对采集到的非功能相关的指标数据进行大数据处理，利用人工智能技术对指标数据进行分析，结合历史问题解决方案，提供用户对系统瓶颈的解决方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (13)

1.一种系统性能诊断的方法，其特征在于，包括：

对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；

获取历史测试结果数据和监控指标基准数据；

将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；

根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素。

2.根据权利要求1所述的方法，其特征在于，得到系统性能影响因素之后，还包括：

根据得到的系统性能影响因素，结合性能问题常用解决方法及历史数据，生成性能优化建议。

3.根据权利要求1所述的方法，其特征在于，所述测试结果数据包括各个关键点的每秒交易响应数量和交易响应时间，所述关键点包括：期望值点、系统资源临界点、性能拐点和系统崩溃点；

所述监控数据包括应用参数、系统参数、应用数据和数据库数据；

所述应用参数包括线程数和数据堆的大小；

所述系统参数包括TCP连接数和TCP连接超时等待时间；

所述应用数据包括应用的方法耗时、应用调用次数、线程CPU消耗、网络传输的时间、垃圾回收次数、完全垃圾回收次数、垃圾回收时间和线程池；

所述数据库数据包括内存消耗、CPU消耗、前十大语句执行耗时、锁等待和死锁信息。

4.根据权利要求3所述的方法，其特征在于，所述应用数据通过使用JAVA字节码增强技术在应用代码中嵌入数据采集程序来进行采集；

所述数据库数据通过使用数据库的性能计数器来进行采集，其中，对于性能计数器无法获取的数据库数据，在系统启动时、系统运行中和系统结束时各采集一次。

5.根据权利要求1所述的方法，其特征在于，对系统进行动态压力梯度测试包括：

使用生产场景的用户请求占比发起压力，使用极限压力方法对系统进行动态压力梯度测试。

6.根据权利要求1所述的方法，其特征在于，采集系统在不同压力梯度下的测试结果数据之后，还包括：

根据所述测试结果数据生成测试结果图形。

7.根据权利要求6所述的方法，其特征在于，将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果包括：

将所述测试结果数据对应的测试结果图形与历史测试结果数据对应的历史测试结果图形进行比对以得到图形差异率；

将此次系统测试的交易响应时间与历史测试的交易响应时间进行比对以得到响应时间差异率；

将所述图形差异率和所述响应时间差异率作为第一比对结果。

8.根据权利要求1所述的方法，其特征在于，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果包括：

将所述监控数据与所述监控指标基准数据进行比对，以得到所述监控数据超过所监控指标基准数据的比例作为第二比对结果。

9.根据权利要求1所述的方法，其特征在于，根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素包括：

若所述第一比对结果和所述第二比对结果超过了预设阈值，则根据所述测试结果数据、所述监控数据、所述历史测试结果数据和所述监控指标基准数据进行大数据分析，得到系统性能影响因素。

10.根据权利要求1所述的方法，其特征在于，所述监控指标根据技术栈的类型进行设定。

11.一种系统性能诊断的装置，其特征在于，包括：

数据采集模块，用于对系统进行动态压力梯度测试，并采集系统在不同压力梯度下的测试结果数据和监控数据；

数据获取模块，用于获取历史测试结果数据和监控指标基准数据；

数据比对模块，用于将所述测试结果数据与所述历史测试结果数据进行比对以得到第一比对结果，将所述监控数据与所述监控指标基准数据进行比对以得到第二比对结果；

性能分析模块，用于根据所述第一比对结果和所述第二比对结果进行大数据分析，得到系统性能影响因素。

12.一种系统性能诊断的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的方法。

13.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-10中任一所述的方法。

Images