转：https://testerhome.com/topics/4225

0.背景

组内需要一款轻量级的性能测试工具，之前考虑过LR（太笨重，单实例，当然它的地位是不容置疑的），阿里云的PTS(， 仅支持阿里云内网和公网机器)，Gatling()没有TPS数据等等，不太适合我们。

nGrinderr是NAVER（韩国最大互联网公司NHN旗下搜索引擎网站）开源的性能测试工具，直接部署成web服务，支持多用户使用，可扩展性好，可自定义plugin()，wiki文档较丰富()，数据及图形化展示满足需求；但是展示的统计数据较简单，二次开发整合数据：TPS标准差，TPS波动率，最小/大RT，RT 25/50/75/80/85/90/95/99百分位数字段，并将这些数据展示在详细测试报告页中。

1.项目剖析

1-1. nGrinder架构

nGrinder是一款在一系列机器上执行Groovy或JPython测试脚本的应用，内部引擎是基于Grinder。

架构图：

 

 

层级图：

 

 

默认的NGRINDER_HOME为/root/.ngrinder， 大多是配置文件和数据文件。

 

 

 

目录/root/.ngrinder/perftest/0_999下，以每个test_id为名的文件夹对应的存储了执行性能测试时的采样数据：

 

 

*.data文件就是执行性能测试时对应的各种性能采样数据，性能测试详细报告页就是根据这些data文件，进行图形化展示（ajax）。

nGrinder包含2大组件：

1）Controller

为性能测试提供web interface

协同测试进程

收集和显示测试数据

新建和修改脚本

2）Agent

agent mode: 运行进程和线程，压测目标服务

monitor mode: 监控目标系统性能(cpu/memory)， 可以自定义收集的数据(比如 jvm数据)

1-2. 技术栈

1)Controller 层

FreeMarker: 基于Java的模板引擎

Spring Security

Spring Mvc：Spring MVC provides rich functionality for building robust web applications.

GSon

SVNKit Dav

2)Service 层

Grinder

Spring

EhCache: Ehcache has excellent Spring integration.

3)Data层

Spring Data

Hibernate:Hibernate is a powerful technology for persisting data,and it is Spring Data back-end within nGrinder. 

H2: (nGrinder默认使用该DB)

Cubrid:(nGrinder同一家公司的DB)

Liquidase: Liquibase is an open source that automates database schema updates. 

SVNKit

2.源码实现

需求：在详细测试报告页中展示TPS标准差，TPS波动率，最小/大RT，RT 25/50/75/80/85/90/95/99百分位数这些数据。

修改Controller层，增加数据处理业务逻辑(计算TPS标准差，TPS波动率，最小/大RT，RT 25/50/75/80/85/90/95/99百分位数)

在获取采样数据

ngrinder-core/src/main/java/net/grinder/SingleConsole.java中新增处理业务逻辑，核心修改代码片段：

// tps list    List
    
      tps = new CopyOnWriteArrayList
     
      (); // rt list List
      
        meanTestTime = new CopyOnWriteArrayList
       
        (); /** * * 每次请求调用一次 Build up statistics for current sampling. * * @param accumulatedStatistics * intervalStatistics * @param intervalStatistics * accumulatedStatistics */ protected void updateStatistics(StatisticsSet intervalStatistics, StatisticsSet accumulatedStatistics) { Map
        
          result = newHashMap(); result.put("testTime", getCurrentRunningTime() / 1000); List