摘要: 自谷歌提出云计算概念之后，大数据领域的发展就逐渐加速日新月异，云计算具体到实例，可以归纳为调度、均衡、容错、监控、运维等一整套操作海量数据的方案。有别于传统小规模或孤立体系产品，云计算生态圈存在错 ...
 图：DST的体系架构 图：工具引导过程 问题的解决 回到我们刚才提到的6个问题上，DST通过场景管理促使用例复用和使用便利程度得以提升，通过监控体系的创新和改进，促使海量监控数据得到有效的管理和查询。此外，由第三方监控构成的性能评价系统能够排除产品本身的干扰，可以更客观的反应性能结果。 DST在大数据分布式测试上有三个优点： 1.分布式调度器。调度器采用总分的形式，由console调度多个agent执行测试代码，这样可以模拟出大并发产生的压力。好处是测试代码独立于被测目标，可以防止受被测目标的干扰，且测试代码的分发和结果的收集合并过程都由框架自动化实现，免去用户自行做分布式测试时候对测试结果收集整理的烦恼。 2.海量监控数据收集展示。DST将数据存储到HBase中，利用HBase的高效率和高容量保证了超过7000台机器的海量监控数据可以实时容纳到DST系统中。数据经过压缩整理，进一步提高了展示速度。业界在2013年2月左右出现一个开源产品OpenTSDB，有点类似这套系统。不同的是，OpenTSDB并没有利用在大数据监控领域使用广泛的成熟产品ganglia来收集监控数据，虽然在数据存储和性能效率方面更好一些，但是并不适用云梯1产品线的测试。 3.集群管理实现动态测试资源调整。云计算最大的特点是集群和计算资源的动态伸缩，对于测试来说，为了获得不同规模下的性能数据，需要不断调整测试资源的大小，而每一次调整过程通过人工去实现都非常繁琐。DST通过集群管理实现了自动化调整测试资源，图形界面使得配置更加直观，测试资源的利用率状况也可以一目了然。此外，用户独占互斥锁的存在也避免了同一个资源被其他测试目标污染，有效保证测试的可靠性。 |
