支付系统C扫B全链路压测方案

发布于:2025-04-14 ⋅ 阅读:(98) ⋅ 点赞:(0)

使用JMeter模拟真实用户的支付行为,需结合参数化、关联接口、动态数据提取、逻辑控制等关键步骤。以下是详细操作指南:


1. 创建线程组(模拟并发用户)

  • 配置线程组参数
    • 线程数(Users):模拟的并发用户数(如1000)。
    • Ramp-Up时间(秒):逐步启动线程的时间(如60秒内启动1000用户)。
    • 循环次数:压测持续时间或循环次数。

2. 参数化支付请求数据

  • 使用CSV文件存储动态数据

    1. 创建CSV文件(如payment_data.csv),包含动态字段:
      user_id,amount,product_id
      user_001,10.00,1001
      user_002,20.50,1002
      ...
      
    2. 添加CSV Data Set Config
      • 文件名:payment_data.csv
      • 变量名称:user_id,amount,product_id
      • 设置循环策略(如Recycle on EOF)。
  • 随机生成数据

    • 使用JMeter函数生成随机值:
      ${__Random(1,1000,user_id)}  # 生成1~1000的随机用户ID
      ${__Random(10,500,amount)}   # 生成10~500的随机金额
      

3. 模拟生成二维码接口

  • 添加HTTP请求

    • 名称:生成二维码
    • 方法:POST
    • URL:http://api.pay-system.com/qrcode/create
    • Body参数:
      {
        "user_id": "${user_id}",
        "amount": "${amount}",
        "product_id": "${product_id}"
      }
      
  • 提取动态二维码/订单ID

    • 添加正则表达式提取器JSON提取器
      # 示例响应:{"code": 200, "data": {"order_id": "202310010001", "qrcode_url": "http://..."}}
      - 变量名:order_id
      - 正则表达式(JSON Path):`$.data.order_id`
      

4. 模拟用户扫码支付

  • 添加HTTP请求

    • 名称:提交支付
    • 方法:POST
    • URL:http://api.pay-system.com/payment/submit
    • Body参数:
      {
        "order_id": "${order_id}",
        "user_id": "${user_id}",
        "payment_type": "wechat"
      }
      
  • 处理支付渠道Mock响应

    • 使用Response Assertion验证返回状态码(如200)。
    • 提取支付渠道返回的transaction_id(若需要)。

5. 模拟轮询支付结果

  • 添加While Controller(轮询直到支付完成):

    • 条件:${__javaScript("${payment_status}" != "success" && ${counter} < 5)}
    • 计数器(Counter):
      • 名称:counter
      • 从1开始,递增1,最大值5(防止无限循环)。
  • 添加HTTP请求(查询结果)

    • 名称:查询支付结果
    • 方法:GET
    • URL:http://api.pay-system.com/payment/query?order_id=${order_id}
  • 提取支付状态

    • 使用JSON提取器提取payment_status
      - 变量名:payment_status
      - JSON Path:`$.data.status`
      

6. 模拟异步通知回调

  • 方案1:使用JSR223 Sampler模拟回调

    • 添加JSR223 Sampler(Groovy脚本):
      import org.apache.http.client.methods.HttpPost
      import org.apache.http.entity.StringEntity
      import org.apache.http.impl.client.HttpClients
      
      // 创建HTTP客户端
      def httpClient = HttpClients.createDefault()
      def httpPost = new HttpPost("http://api.pay-system.com/payment/callback")
      
      // 设置回调参数
      def jsonBody = """
      {
        "order_id": "${vars.get("order_id")}",
        "status": "success"
      }
      """
      
      httpPost.setEntity(new StringEntity(jsonBody))
      httpPost.setHeader("Content-Type", "application/json")
      
      // 发送回调请求
      def response = httpClient.execute(httpPost)
      log.info("Callback response: " + response.getStatusLine().getStatusCode())
      
  • 方案2:使用HTTP请求模拟回调

    • 添加HTTP请求:
      • URL:http://api.pay-system.com/payment/callback
      • Body参数:
        {
          "order_id": "${order_id}",
          "status": "success"
        }
        

7. 添加逻辑控制与断言

  • 条件逻辑(支付成功/失败)

    • 使用If Controller
      • 条件:${payment_status} == "success"
      • 内部添加支付成功后的逻辑(如记录日志)。
  • 响应断言

    • 验证接口返回的关键字段:
      - 验证支付接口返回的"code": 200
      - 验证查询结果中的"status": "success"
      

8. 配置分布式压测(可选)

  • 多机负载生成
    1. 在多个机器上启动JMeter Agent(修改jmeter.properties中的server.rmi.ssl.disable=true)。
    2. 主控机通过命令行启动压测:
      jmeter -n -t payment_test.jmx -R 192.168.1.101,192.168.1.102 -l result.jtl
      

9. 结果分析与调试

  • 查看结果树与聚合报告

    • 使用View Results Tree调试请求/响应。
    • 使用Aggregate Report分析TPS、响应时间、错误率。
  • 生成HTML报告

    jmeter -g result.jtl -o report_folder
    

10. 示例脚本结构

Test Plan
└─ Thread Group (1000 users, 60s ramp-up)
   ├─ CSV Data Set Config (payment_data.csv)
   ├─ HTTP Request: 生成二维码
   │  ├─ JSON Extractor (order_id)
   ├─ HTTP Request: 提交支付
   ├─ While Controller (轮询支付结果)
   │  ├─ Counter (最大重试5次)
   │  ├─ HTTP Request: 查询支付结果
   │  │  ├─ JSON Extractor (payment_status)
   ├─ If Controller (支付成功)
   │  ├─ JSR223 Sampler: 模拟异步回调
   ├─ Response Assertion (验证状态码)

关键注意事项

  1. 动态关联:确保order_id在接口间正确传递。
  2. 超时与重试:合理设置HTTP请求超时(如10秒)。
  3. 资源监控:结合JMeter Plugins监控服务器资源(如PerfMon插件)。
  4. 数据清理:压测后清理测试订单,避免影响后续测试。

通过以上步骤,可真实模拟用户从发起支付到完成的全流程行为,并验证系统在高并发下的性能瓶颈。