压测记录（脱敏版）

• 接口路径: GET /api/mp/article/detail?articleUid=<redacted>
• 鉴权: Authorization: <redacted>（统一使用脱敏 Token 集）
• 环境: 某 SIT 网络环境（Host/IP 已脱敏）
• 工具与方法:
  • 客户端：asyncio + aiohttp（Keep-Alive），单进程事件循环
  • 令牌：120 个用户 Token 轮询（脱敏）
  • 场景：基线、爬坡（50→200），高并发（500/800）
  • 指标口径：错误率=HTTP错误/总请求；失败率=客户端异常(连接/超时)/总请求；RPS=总请求/阶段耗时

结果摘要

• 稳态并发在 100–150 时仍为亚秒级；并发 200 时 P95 ≈ 790ms，整体可接受。
• 并发 500/800 时长尾显著上升，且出现少量客户端异常（失败率>0）。

指标明细

• 字段：总请求数、每秒请求数、错误率、失败率、平均响应时间ms、最小响应时间ms、最大响应时间ms、90th响应时间ms、95th响应时间ms、99th响应时间ms

结论与建议

• 建议“稳定并发”设为 ≈150；并发 200 亦可，但长尾略升高。
• 并发 ≥ 500 时出现非零失败率与较大长尾，若需更高并发，建议：
  • 采用预热+分阶段爬坡，并开启/优化连接复用；如可能，升级到 HTTP/2 多路复用以降低连接数。
  • 与服务端/网关确认限流与排队策略，优化队列与线程/连接池；关注下游依赖瓶颈。
  • 在网络路径存在代理/NAT 时，建议受控 RPS 压测，避免客户端过载引起的排队放大。

数据合规与脱敏说明

• 已隐藏 Host、IP 与 Token，文中仅展示相对路径与示例参数。
• 所有报告中涉及 Authorization、域名与账号信息均已脱敏处理。

代码与说明（脱敏示例）

• 代码位置（本地工程）：
  • Python 压测主脚本：scripts/aiohttp_load_test.py
  • 运行脚本：scripts/run_aiohttp_load_test.sh
• 运行依赖：
  • Python 3.9+，pip install aiohttp uvloop
• 运行示例（固定并发与爬坡）：

# 固定并发
CONCURRENCY=200 TOTAL=10000 REPORT_DIR=./reports \
python3 scripts/aiohttp_load_test.py

# 爬坡（每步 30s，从 50→200）
RAMP=1 RAMP_START=50 RAMP_STEPS=4 RAMP_INC=50 STEP_DURATION=30 \
REPORT_DIR=./reports \
bash scripts/run_aiohttp_load_test.sh

脱敏版 Python 代码（核心片段）

说明：默认 API_URL 中的 Host 已脱敏，请替换为你的环境；脚本会从 CSV（首行为表头）读取 120 个 Token 并轮询使用。

#!/usr/bin/env python3
import asyncio, csv, json, os, time
from dataclasses import dataclass
from statistics import mean
from typing import List, Optional, Dict

try:
    import uvloop  # 可选：更高性能事件循环
    asyncio.set_event_loop_policy(uvloop.EventLoopPolicy())
except Exception:
    pass

import aiohttp

def read_tokens(csv_path: str) -> List[str]:
    tokens: List[str] = []
    with open(csv_path, 'r', encoding='utf-8') as f:
        rows = [row for row in csv.reader(f) if any(col.strip() for col in row)]
        if not rows:
            return []
        header_like = any('auth' in c.lower() or 'token' in c.lower() for c in rows[0])
        for row in rows[1 if header_like else 0:]:
            if row and row[0].strip():
                tokens.append(row[0].strip())
    return tokens

def percentile(values: List[float], p: float) -> float:
    if not values: return 0.0
    a = sorted(values); k = (len(a) - 1) * (p / 100.0)
    f = int(k); c = min(f + 1, len(a) - 1)
    return float(a[f] * (c - k) + a[c] * (k - f))

@dataclass
class Result:
    ok: bool
    status: int
    latency_ms: float
    err: Optional[str]

async def fetch(session: aiohttp.ClientSession, url: str, token: str, insecure: bool) -> Result:
    start = time.perf_counter()
    try:
        async with session.get(url, headers={'Authorization': token, 'Accept': 'application/json'},
                               ssl=False if insecure else None) as resp:
            await resp.read()
            return Result(resp.status == 200, resp.status, (time.perf_counter() - start) * 1000.0, None)
    except Exception as e:
        return Result(False, 0, (time.perf_counter() - start) * 1000.0, str(e))

async def run_fixed_load(api_url: str, article_uid: str, tokens: List[str],
                         concurrency: int, total: int, timeout_s: float,
                         insecure: bool, dns_ttl: int) -> Dict:
    started = time.perf_counter()
    connector = aiohttp.TCPConnector(limit=concurrency, limit_per_host=concurrency,
                                     ttl_dns_cache=dns_ttl, enable_cleanup_closed=True,
                                     force_close=False, keepalive_timeout=30)
    timeout = aiohttp.ClientTimeout(total=timeout_s)
    url = f"{api_url}?articleUid={article_uid}"
    sem = asyncio.Semaphore(concurrency)
    lat: List[float] = []; succ = 0; fail = 0; codes: Dict[str, int] = {}
    async with aiohttp.ClientSession(connector=connector, timeout=timeout) as session:
        async def worker(i: int):
            nonlocal succ, fail
            async with sem:
                r = await fetch(session, url, tokens[i % len(tokens)], insecure)
                lat.append(r.latency_ms); codes[str(r.status)] = codes.get(str(r.status), 0) + 1
                succ += 1 if r.ok else 0; fail += 0 if r.ok else 1
        await asyncio.gather(*[asyncio.create_task(worker(i)) for i in range(total)])
    elapsed = max(1e-9, time.perf_counter() - started)
    exc = codes.get("0", 0); http_err = max(0, fail - exc)
    return {
        'url': url, 'concurrency': concurrency, 'total_requests': total,
        'successes': succ, 'failures': fail, 'error_rate': round(http_err/total, 6),
        'failure_rate': round(exc/total, 6), 'rps': total/elapsed, 'status_count': codes,
        'latency_ms': {'avg': mean(lat) if lat else 0, 'min': min(lat) if lat else 0,
                       'p50': percentile(lat, 50), 'p90': percentile(lat, 90),
                       'p95': percentile(lat, 95), 'p99': percentile(lat, 99),
                       'max': max(lat) if lat else 0}
    }

关键实现说明

• Token 读取：支持首行表头并自动跳过空行，保证 CSV 兼容性。
• 连接器配置：limit/limit_per_host 设为并发值；keepalive_timeout=30 维持长连；ttl_dns_cache 缓存 DNS 降低开销。
• 请求与断言：最小化客户端逻辑，仅检查 HTTP 200 并完整读取响应；异常归入状态码 0。
• 度量口径：
  • error_rate: 非 2xx 的 HTTP 错误比率（此接口以 200 为准）
  • failure_rate: 客户端异常（连接错误/超时等）比率
  • rps: 总请求数 / 实际阶段耗时
  • 延迟分位：p50/p90/p95/p99 与 avg/min/max
• 爬坡模式：通过阶段性并发与时长组合，避免队列无限膨胀，便于定位拐点。
• 报告输出：支持 JSON/CSV；CSV 字段即“指标明细”表中的各列。

脱敏提示：示例代码默认 API_URL 为 https://<redacted-host>/api/mp/article/detail，请在本地替换为你的环境域名；Token 文件请使用脱敏数据或受控环境凭证。

脚本设计思路

• 目标与原则：在单机条件下以最低开销复现真实业务访问模式，快速定位稳定并发与性能拐点；保持脚本简洁、可读、可扩展。
• 输入与配置：
  • Token 管理：从 CSV 读取，自动跳过表头/空行，轮询分配到请求，避免单 Token 限流与缓存偏置。
  • 参数化：支持 API_URL、ARTICLE_UID、并发/总量/超时、DNS TTL、是否忽略 TLS 校验等，既可命令行也可环境变量。
  • 场景模式：固定负载（并发×总量）与爬坡模式（起始并发、步数、步进、步长时间）。
• 并发与连接策略：
  • 事件循环：优先使用 uvloop（如可用），降低调度与系统调用成本。
  • 连接复用：aiohttp 单 ClientSession + TCPConnector，设置 limit/limit_per_host=并发、keepalive_timeout=30s，充分使用 Keep‑Alive。
  • DNS 缓存：ttl_dns_cache 降低 DNS 解析频率，稳定长测表现。
  • 限速与排队：通过信号量与任务批量创建控制队列规模，爬坡模式防止瞬时爆量导致拥塞。
• 请求与容错：
  • 轻断言：以 HTTP 200 为成功标准，完整读取响应避免半关闭引发误判。
  • 异常分类：将连接/超时等客户端异常计入状态码 “0”，与服务端错误（非 200）分离，便于分别优化。
  • 最小化开销：禁用多余日志，计算与聚合在内存中完成，降低对结果的干扰。
• 度量与报告：
  • 时延口径：收集 avg/min/max 与 p50/p90/p95/p99，覆盖“中心趋势+长尾”。
  • 质量口径：区分 error_rate（HTTP 错误）与 failure_rate（客户端异常），定位瓶颈侧（服务端/客户端/网络）。
  • RPS 计算：以阶段实际耗时计算真实吞吐（总请求/阶段耗时）。
  • 落盘：输出 JSON（全量字段）与 CSV（概览字段），方便二次分析与平台展示。
• 可扩展性：
  • 多接口/多参数：可扩展为从用例集/CSV 读取不同路径与参数，模拟混合流量。
  • 采样保存：为慢请求/错误请求保留样本（headers/片段化 body），辅助链路排障。
  • 协议升级：按需接入 HTTP/2 客户端或受控 RPS（令牌桶）模式，验证限流与排队策略。
• 安全与合规：
  • 脱敏输出：屏蔽 Host、IP 与 Token，不在报告中写入敏感字段。
  • 资源保护：默认分阶段爬坡与短时预热，避免对共享环境造成冲击。