知识卡片
蓝绿、合成负载与流量复制
这些概念与金丝雀相近,严格来说不是金丝雀流程,但可以使用:
蓝/绿部署:维护两套实例,一套服务流量(绿),另一套待命(蓝);新版本部署到蓝色后把流量切过去,无需停机,回滚就是逆转路由变更。缺点是资源翻倍;而且这实际上是前后对比式金丝雀。若同时使用两套、在绿蓝之间缓慢分配流量,并把评估指标与流量控制挂钩,就相当于 A/B 金丝雀(绿为对照,蓝为金丝雀,金丝雀规模由流量比例控制)。
人工负载生成:不暴露真实用户流量,在 QA、预生产甚至生产中做负载测试也能发现缺陷。合成负载能最大化代码覆盖,却提供不了好的状态覆盖——有缓存、cookie、请求亲和性的有状态系统尤其难模拟;也难以模拟自然的流量变化,某些回归只在未纳入的事件中出现。在可变系统上更危险:例如对计费系统施加人工负载,系统可能开始调用信用卡服务商,真的向客户收费;避开危险路径又会降低测试覆盖。
流量复制(tee,中文本译作“开球”):复制真实流量同时发给生产系统和测试系统——生产系统响应用户,金丝雀处理副本并丢弃响应,还可以把金丝雀响应与真实响应比较。流量有代表性,但搭建比简单金丝雀复杂,也识别不了有状态系统的风险:副本可能在看似独立的部署之间引入意外影响——金丝雀与生产共享缓存时,人为提高的命中率会让金丝雀的性能指标失效。
结论:没有万能的测试方法,测试策略应依系统需求和行为而定;金丝雀是补充测试的简单、可靠、易集成的方式,越早发现缺陷对用户影响越小,还能为频繁发布提供信心、提高开发速度;金丝雀也要随系统需求和设计一起演进。
译文提示:本书为社区机器辅助译本,本卡按上下文和官方英文版理解,引文保留中文原样。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第16章 金丝雀发布 · 查看原书依据
使用合成负载进行测试可以最大程度地提高代码覆盖率,但是不能提供良好的状态覆盖率。