压测中测量异步写入接口的延迟

在服务端性能优化的时候，有一种方案叫 “异步写入”。就是把本来要写入数据库的功能放到异步来做，跟异步查询转同步的区别在于，异步查询是要等结果的，而异步写入则可以不等返回结果，甚至直接把写入任务丢到一个专门的任务队列中。

在对于实时性要求并不高的业务来讲，这是一个非常值得推荐的方法，比如用户消费了一笔金额场景中，对于用户消费信息的记录以及消费带来的积分提升、会员等级提升都可以异步来实现。日常接触最多的异步应该是日志和打点系统，几乎没有见过非异步实现的方案。

异步写入带来的另外一个问题就是 “延迟”，一般开发会给出一些延迟的参数值，但是在性能测试过程中这个值可能会非常大，甚至超出用户的可接受范围。这个时候就需要测试延迟在不用压力情况下的数值大小，以便给出最好的服务负载数据。

下面分享一个检测用户更改个人信息的接口的延迟测试方案：

package com.okayqa.teacherpad

import com.fun.utils.RString
import com.okayqa.teacherpad.base.OkayBase
import com.okayqa.teacherpad.function.UserInfo

class T extends OkayBase {

    public static void main(String[] args) {
        def base = getBase()
        def info = new UserInfo(base)
        def total = []
        def diff = []
        100.times {
            def uname = RString.getString(5)
            def result = info.updateInfo(1, uname)
            int i;
            if (isRight(result)) {
                def mark0 = getNanoMark()
                while (true) {
                    def mark00 = getNanoMark()
                    def userinfo = info.getUserInfo()
                    def mark01 = getNanoMark()
                    diff << mark01 - mark00
                    if (userinfo.getUserInfo().getString("uname") == uname) break;
                    if (i++ > 5) break
                }
                def mark1 = getNanoMark()
                total << mark1 - mark0
            } else {
                fail()
            }

        }
        //求平均值的两种方法
        def var = diff.sum() / diff.size()
        def average = total.stream().mapToInt().average();

        output "单次修改信息延迟约${average - var / 2}"
    }
}

上面的参数可以根据实际大小来调整，一边压测一边另起进程测试写入接口的延迟情况。