全鏈路壓測(4)：全鏈路壓測的價值是什么？

前言

在前面的幾篇文章中，介紹了全鏈路壓測的背景、在企業中的立項流程以及落地的一些技術方案。

在開始真正的介紹落地實踐過程以及相關案例之前，我想和大家聊聊，我對全鏈路壓測的一些認知，即：全鏈路壓測在技術團隊中的定位，以及它的價值是什么。

 

業務和技術是什么關系？

在聊這個topic之前，先回想下我在第一篇文章中闡述的一個觀點：全鏈路壓測創造了什么價值？我當時的觀點： 

技術角度：降低成本、提升系統SLA、技術練兵&團隊協作&快速響應；

業務角度：提升用戶體驗、更快的發現和驗證目標、更好的達成業務運營目標；

現在我要表述的觀點依然不變，從更高的維度來說，技術和業務的關系可以用下面一句話概括：

技術是為業務達成目標提供支撐和效率工具，業務目標更好的達成會對技術有更高的要求！

 

技術的目標：支撐業務運營

業務本身的特性主要有如下幾點：

1.精細化運營（需要准確的數據）；

2.成本和效率（更低的成本和更高的收益）；

3.更好的服務用戶（需要快速高效的解決用戶的痛點問題）；

4.新的業務可以快速落地驗證（需要高效的技術響應和技術支撐）；

而上述幾點業務的特性，都對技術提出了很多的要求！

 

技術如何支撐業務運營增長

從上圖可以看出，常見的業務運營流程中，每個階段每個環節都對技術部門提出了挑戰：

1.從需求提出到發布：研發成本、研發效率、交付質量；

2.從下單到訂單履約：提高業務成交履約率（撮合交易/成單匹配/留存轉化）；

3.業務活動的營銷推廣：活動搭建、抽獎&優惠券&營銷短信等方面的快速響應；

4.線上故障的快速發現解決：監控告警、問題定位、風險評估、線上服務的SLA； 

 

業務的目標：運營業務增長

前面簡略的聊了技術對業務運營的重要支撐性作用，這里我們來看看常見的業務場景，具備的幾種特性：

1.業務可視：業務的可視，簡單理解就是業務的狀態，處在什么階段，目前的效果可以直觀的以可視化的狀態來呈現。

常見的場景就是業務監控大盤（想想監控大盤需要技術做什么？數據采集/數據存儲/數據展示）

2.業務可管：最常見的就是一些促銷活動的配置，比如：

活動時間、涉及的商品/優惠券、用戶類型以及標簽體系（這里又需要技術做什么呢？活動會場搭建工具/優惠信息緩存/活動消息推送）

3.業務可控：業務可控也可以通過字面意思理解，即：各個業務維度的運行監控/業務配置發布回滾以及防資損；

4.業務可優：這一點，我們現在最常見的有電商的千人千面，短視頻的智能推薦、針對不同等級會員的優惠營銷體系等；

 

技術支撐業務運營增長案例

上面講了這么多業務的特性以及技術對業務運營支撐的重要性，這些內容可以用下面這張圖概括：

 

穩定性保障面臨的六大挑戰

上面第一部分的內容介紹了技術和業務的關系， 業務的運營增長目標想要達成，線上系統的穩定性也是至關重要的。

那么如何保障線上系統的穩定性呢？穩定性保障面臨哪些挑戰？我們以電商最典型的大促來舉例說明。

從上圖可以看到，大促時候的線上系統穩定性保障，面臨六大挑戰，分別是：

系統容量

大促的典型特點是流量大，對系統的沖擊比較高。那么精准的測量線上系統的容量，對處理能力薄弱的節點進行擴容升配，優化性能就是很有必要的。

且現在很多的系統都是分布式或微服務架構，這種復雜的技術體系面臨大流量沖擊時，需要精准的容量評估和容量規划。

想要達成這種能力，就需要一種很好的技術手段來不斷驗證。生產環境全鏈路壓測，就是目前業內的最佳實踐。

硬件成本

前面聊到了容量評估和容量規划，這和硬件成本有什么關系呢？可能很多同學都不知道，

現在的互聯網企業，最大的成本支出都是哪些？成本支出主要是這三方面：人力研發成本、營銷成本和雲資源成本。

其中，人力研發成本的優化是很復雜的一件事，營銷成本是企業最主要的品牌曝光和拉新運營手段。雲資源成本，也可以理解為雲服務器或者機房的硬件成本。

這三部分成本中，雲資產/硬件成本是可以通過技術手段來降低的。 技術手段，實際上上面已經講到了，就是精准的容量評估和容量規划。

系統穩定

系統的穩定性，如何衡量？目前業內大多從下面這幾個維度來衡量：

1.線上服務可用時常

服務可用時常即我們常說的SLA（即服務等級協議，全稱：service level agreement）。SLA對互聯網公司來說就是網站服務可用性的一個保證。

9越多代表全年服務可用時間越長服務更可靠，停機時間越短，反之亦然。 全年拿365天做計算，看看幾個9要停機多久時間做能才能達到！

1年 = 365天 = 8760小時

99.9 = 8760 * 0.1% = 8760 * 0.001 = 8.76小時

99.99 = 8760 * 0.0001 = 0.876小時 = 0.876 * 60 = 52.6分鍾

99.999 = 8760 * 0.00001 = 0.0876小時 = 0.0876 * 60 = 5.26分鍾

2.故障響應解決耗時

這一點目前業內有個口號是：1-5-15。什么意思呢，就是： 一分鍾發現問題，5分鍾定位問題，15分鍾解決問題，線上業務恢復正常運營。

要做到上述的指標需要很強的技術能力以及不斷的演練才能達到，主要是如下幾點：

發現問題：強大完善靈敏的監控體系；

定位問題：對業務和技術實現的熟悉程度以及高效的定位分析工具；

解決問題：故障的自愈能力以及對異常情況的穩定性預案甚至故障演練；

3.故障導致的業務資損

這一點很好理解，即線上故障對業務造成的損失。這一點業內在故障定級評估復盤時，大多采用最近一天/一周同時段的業務營收來做對比。

當然，其中還可能包括用戶的客訴以及賠償的優惠券等維度。

技術能力

要保障線上服務穩定性，除了容量評估、故障演練和全鏈路壓測之外，還需要很多其他的技術手段，比如：

彈性擴縮容能力；

監控告警追蹤能力；

限流降級熔斷能力；

故障識別響應和技術優化；

大促效率

我們以電商的大促舉例子，要做到保障大促平穩度過，需要很多團隊和角色的協調配合才能達成。可以通過下圖來看看，大促保障涉及的團隊和要做的事情：

 

這種跨團隊的協調配合，往往需要動員很多人力資源，而且特別耗時。

溝通協同

為什么這里要講到溝通協同呢？看看上一個標題我所描述的內容，相信大家在日常工作也有感觸：

和不同的角色溝通需求、目標、時間節點，協調資源、風險評估、解決問題，是一件特別費力費腦的事情。

 

全鏈路壓測對穩定性保障的價值

聊了這么多，回到文章頂部，我所要表達的內容，全鏈路壓測的價值是什么？

在我看來，全鏈路壓測不僅僅是一種很好的性能測試和優化手段，而是在整個穩定性保障中，起到了串聯全過程的能力。

通過生產全鏈路壓測，可以串聯穩定性保障的全流程，解決線上系統穩定性保障面臨的種種挑戰，它所帶來的價值如下：

 

總結回顧

這篇文章介紹了我對技術和業務關系的理解，線上穩定性保障面臨的挑戰以及全鏈路壓測在其中的價值。

通過前面的幾篇文章，從認識全鏈路壓測到項目立項以及技術調研和測試驗證，我試圖從另一個視角來為大家揭秘全鏈路壓測的另一面。

下篇文章，我會為大家介紹，全鏈路壓測落地實踐的整體流程。  

 

建了一個全鏈路壓測溝通交流群，目前群人數已超過100，想加群的同學請公眾號回復關鍵字：全鏈路壓測。

添加我好友，我邀請進群，加群請備注說明來意。——公眾號二維碼在我博客主頁右上角。