管理测试机器的使用效率

来源：互联网发布：网络兼职小说录入编辑：程序博客网时间：2024/06/07 06:11

伴随着业务测试的开展，测试使用的机器逐渐增加：性能测试、全网回归、部署测试工具的机器等。当测试机器的规模逐步增加，达到上百台甚至上千台时，如何对这些机器进行有效的利用就面临着诸多挑战：

我们提出了机器利用率这个概念，来对机器的使用情况进行计算、统计和分类，提供直接有效的数据给各Owner，以期对机器的使用情况进行优化。

机器利用率是什么

机器的利用率是对一台机器的资源的使用情况的一个评价值。

目前，我们对机器资源的定义主要包含了以下四个百分比指标。

对以上四个指标按照如下算法进行计算，得到的百分比即为机器利用率。

Usage_current ＝ Max（CPU， LOAD，MEM，NET）

根据木桶原理，最紧缺的资源决定了机器的总体利用水平, 即对四个百分比指标，取最大值，即可描述机器的利用率。

此时，我们得到的机器利用还仅仅是某一个时刻的利用率数值。由于机器的使用存在周期性，比如工作日与非工作日等，这里我们将过去两周的利用率数据进行算术平均，计算出综合利用率，用来描述机器过去两周内的综合利用率。

目前，淘宝的测试机器（包含虚拟机）已达到1000+，要管理如此规模的机器，我们需要借助工具来收集数据。

开源工具 cacti 能够稳定，及时，高效的完成这项任务。

使用cacti收集到的数据多而杂，还需要从cacti中对导出数据，提纯数据，去除无效数据，并进行汇总、入库。目前kelude使用定时任务执行工具脚本来完成这项工作。

从大量的机器上收集到海量的数据之后，我们就可以结合组织架构、时间、机器分类等维度来进行更详细的分析，并将这些分析后数据通过WEB 展现给用户。

结合组织架构，结算各部门的测试机器的总体利用程度。

按机器的使用方式划分，促进集群优化

按时间组织，体现机器的单台机器的长期使用情况，帮助使用者落实机器使用优化措施。

转载：http://www.taobaotest.com/blogs/2367