背景
高德地圖作為日活過億的國民級出行生活服務平臺，承載著海量使用者服務的是後臺的超大規模叢集。從使用者角度，如果出問題，影響會很大。3機房異地部署造成線上環境複雜，鏈路複雜。在這樣的條件下，如何避免因故障造成使用者的傷害，以及在複雜鏈路條件下做好容量規劃，做好災備，並在第一時間發現問題，通過流量控制和預案演練做應急響應就顯得至關重要，而所有的工作都不能等到事情發生之後才做，我們需要有一種驗證手段來做好提前效能摸底，這就是全鏈路壓測，讓真實的流量提前到來。
全鏈路壓測作為線上服務穩定性保障的重要手段，對高德來說也是非常重要的。高德全鏈路壓測平臺TestPG從無到有，在經歷過常態化壓測後，已基本可以保障高德的所有全鏈路壓測和日常壓測，達到了平臺初期快速、準確壓測和全鏈路壓測的目標。而語料生產(流量處理)作為全鏈路壓測的重要環節，本文將對此做重點介紹。
一次全鏈路壓測可簡單總結為3步：壓測前的流量處理（也就是生產語料）、壓測中確定壓力模型啟動壓測、壓測後的結果分析與問題定位。每次全鏈路壓測，壓測前的流量處理是整個壓測過程中最耗時的一環。過去往往由運維採集日誌交給測試同學寫指令碼處理，耗時相當嚴重、成本巨大，且存在請求過期等諸多問題。基於這些問題，高德全鏈路壓測平臺TestPG前期已規範了高德壓測的語料格式，統一了高德壓測的流量處理流程。但隨著高德全鏈路壓測的演進，後續面臨兩個主要問題：
-
語料生產流程缺乏統一管控。雖然平臺前期已規範了語料格式，但各業務只是按照語料規範處理流量，生產流程缺乏統一、標準化管控，導致語料生產成本依然很大。尤其對於全鏈路壓測來說，語料準備是最耗時的環節。
-
介面級別的精準控壓無法滿足需求。高德作為國民級的出行應用，流量受天氣、地形、節假日的影響比較大。比如拿駕車導航來說，日常大多都是短距離的駕車導航，而國慶、春節大多都是長距離的駕車導航，而長距離的駕車導航對後端算力的要求是非線性增加的，甚至是成倍增加。但長短距離的駕車導航對壓測平臺來說是同一個介面，而平臺目前的精準控壓只能做到介面級別，無法模擬介面特徵級別的壓測。
基於以上兩大問題，高德全鏈路壓測團隊設立語料智慧化專項，重點解決以上相關問題。
解題思路和路徑
引流標準化
高德的全鏈路壓測彼時已基本拉通大多業務，但還屬於一個演進階段。對於語料處理，主要由各業務自行處理後用來壓測，語料處理的來源缺乏統一性，日誌、ODPS、流量等處理來源司空見慣。對於語料生產流程的統一管控，我們首先想到的是統一語料處理來源，必須選擇一個低成本、高效率的方式作為語料生產的輸入，而流量錄製的方式就很切合。經過調研，發現高德其他業務場景對流量錄製也有很大的需求。但高德過去的流量錄製方式並不統一，各業務線自行拷貝流量經常會引起線上機器不穩定等問題。所以首先要做的是統一高德的流量錄製，標準化引流。
語料生產平臺化
要統一管控語料的生產流程，上面已經統一了語料生產的輸入，接下來就是如何把流量轉化為符合平臺規範的語料，把整個轉化流程平臺化。但對於高德業務來說，各個業務都有其自身的特點，如果讓平臺為每個業務提供定製化的處理邏輯成本巨大，再加上平臺對各個業務並不是特別熟悉，也很容易出錯。而整個語料處理過程也存在一些通用的處理邏輯，所以我們必須提供一種既支援各業務定製化需求，又可以滿足平臺通用處理邏輯的方案。我們最終選擇通過Flink來完成整個流量處理邏輯。
引流已經標準化，業務方只需檢視流量的格式內容，編寫Flink的UDF(使用者自定義函式)，處理自身業務定製化的需求即可，而後續通用的語料儲存等邏輯可通過Flink的sink外掛來完成。這樣既可以提供通用處理邏輯，又給業務的特殊需求提供了支援，擴充套件性良好。
語料智慧化
上面已經提到高德這種國民級出行應用受各種環境影響比較大，如何達到介面特徵級別的精準控壓，是當時面臨的又一大難題。平臺已具備介面級別的精準控壓，只需把介面按照特徵分類，提供真實流量的特徵分佈即可。但流量的特徵分佈是實時變化的，如何提供符合流量高峰的特徵分佈是語料智慧化的最終目標。
要實現語料智慧化需要經歷3個階段。第一階段是流量特徵統計。我們需要明確影響流量變化的因素，體現到流量上就是具體的引數分佈，具體有哪些引數會隨著外界環境的變化而變化。當然這塊高德大多業務線都有一些粗略的分析結果，前期可以直接採用，後期就需要有更細粒度的特徵分析。
第二階段是流量特徵提取。有了具體的特徵引數後，就需要對特徵引數進行提取統計，後續可用來做智慧預測。但特徵引數的提取到底應該如何去做呢？經過綜合分析發現放到語料生產的環節最合適。引流拷貝流量，語料生產環節用來處理流量，在這個環節提取特徵引數再好不過了。而整個語料生產擴充套件性良好，對使用者的特殊需求通過UDF完成，整個流量特徵提取剛好可以在通用邏輯裡面完成。
第三階段就是智慧預測與機器學習。有了特徵引數的統計資料，就可以藉助往年高德地圖國慶或春節的流量特徵，加上今年隨著業務的流量變化趨勢，智慧預測出符合今年國慶或春節流量特徵的資料，做到介面特徵級別的精準壓測，做到真正意義上的全鏈路壓測，為高德地圖服務的穩定性保駕護航。後續也可以藉助機器學習自動發現影響流量變化的特徵引數，自動採集分析，做到真正意義的語料智慧化。
整體方案
整個引流工作將由開發的統一引流平臺來完成，引流平臺通過引流外掛把流量快取到Kfaka，最終落盤到ODPS。而整個語料生產服務直接對接引流平臺，處理來自ODPS的流量即可。
語料生產服務的整體處理過程都由Flink來完成。使用者只需編寫Flink的UDF來完成自己業務線定製化的需求即可。而且整個Flink的UDF支援多引數傳遞，使用者可靈活編寫UDF，在執行過程中動態傳遞相關引數，解決請求過期等問題。
Flink sink是由平臺開發的一個Flink源表解析外掛，主要包括流量的特徵分析與提取，以及把生產好的語料按照介面命名寫入OSS供平臺壓測使用。目前流量的特徵由各業務線自己提供，通過在平臺新增完成。Flink sink在執行過程中呼叫平臺開放API獲取特徵資料進行採集，最終上報給平臺，平臺後續再根據這些資料進行機器學習，智慧預測出符合流量高峰的流量特徵，供全鏈路壓測使用。
核心功能介紹
Iflow引流平臺
基於上面的問題分析，高德工程效率團隊積極迎接挑戰，短短几個月開發了Iflow引流平臺，對高德的引流進行了統一管控，具體如下圖所示：
Iflow引流平臺以任務的方式對高德的引流進行管理。目前採用引流外掛的方式進行流量拷貝(後續將支援更多引流方式)，流量通過Kafka快取，最終寫入ODPS供大家使用。使用者只需要從ODPS提取需要的資料即可。而啟動引流需要相關負責人審批，周知到關聯業務，有效的降低了引流引起事故後排查的成本。
TestPG語料智慧化
高德全鏈路壓測平臺語料智慧化主要由3個模組組成：業務線管理、壓測名單管理和介面比例管理。業務線管理主要用來管理高德各個鏈路的相關資料，包括關聯引流任務、啟動引流、引流記錄、語料路徑、壓測header管理和觸發語料生產等功能。一條業務線就是一條壓測鏈路，從引流到語料生產以及語料特徵分析等都是在業務線維度完成的。具體如下圖所示：
功能介紹：
-
關聯引流任務：主要完成和引流平臺任務的關聯以及配置相關的引數。
-
啟動引流任務：啟動引流平臺任務，在引流結束後會自動觸發語料生產，通過執行使用者編寫的Flink UDF和平臺開發的Flink外掛，完成語料的生產和特徵引數的提取。
-
語料路徑：在每次啟動引流觸發語料生產後平臺會自動生成語料路徑，使用者可在建立語料的時候自主選擇。
-
壓測header管理：每條業務線都有自身的業務特點，在header上的體現也不同，這裡主要用來管理壓測http服務傳送的header內容。
-
觸發語料生產：語料生產有2條途徑，一是關聯好引流任務啟動引流後會自動觸發語料生產，包括特徵引數提取等一系列的操作；二是在引流成功後，使用者可能對UDF等引數有所修改，也可以通過此按鈕來觸發語料生產。
壓測名單管理主要用來管理壓測的介面。一個公司開始做壓測，業務肯定是需要跟著去適配的，隨之而來的就是業務改造，這是一個漫長的過程。為了方便管理，高德全鏈路壓測平臺對高德這邊的介面進行統一管理。具體如下圖所示：
壓測名單是在引流過程中自動上報的，引流只要發現未在壓測名單的介面就會自動上報壓測平臺，平臺根據關聯應用去關聯對應的負責人，並推動確認。如果可壓測就確認為壓測名單，下次語料生產作為白名單正常引流。如果不能壓測就區分為免壓介面或待跟進介面。待跟進介面平臺後續會以訊息通知的形式推動業務線改造，最終達到真正意義的介面覆蓋全、鏈路覆蓋全的全鏈路壓測。
介面比例管理前期主要是用來管理BI提供的、以及每次全鏈路壓測調整的比較貼近真實情況的介面比例資料，作為後續全鏈路壓測的一個參考。後期將通過語料生產提取流量特徵的統計資料，智慧分析預測出符合真實情況的流量比例，供全鏈路壓測直接使用，具體如下圖所示：
平臺優勢
語料平臺化生產
整個語料生產對接了引流平臺，並通過Flink來完成。既支援了業務方定製化的需求，也支援平臺通用化的處理邏輯，擴充套件性良好。通用邏輯通過Flink sink來實現，並加入了流量特徵提取等功能，推動了語料智慧化的順利進行。使用者只需要學習Flink完成UDF的編寫，然後在平臺完成相關配置即可。很大程度上提高了語料生產的效率和質量，是語料從格式標準化向生產流程標準化的一大飛躍。
語料智慧化
平臺在整個語料生產的過程中，通過Flink外掛完成了特徵引數的統計彙總。目前使用者只需在平臺完成相關特徵的配置，平臺在語料生產過程中就會分析特徵並統計彙總。有了特徵引數的統計資料，將有助於平臺後續的智慧分析與預測，達到介面特徵級別的精準控壓，最終達到完全意義的全鏈路壓測。
平臺目前已經完成了語料的自動生產，並加入了語料智慧化相關的工作。整個壓測名單也是通過引流自動上報，後續將通過訊息通知自動拉通業務線改造解決。介面比例管理模組也已支援介面比例的展示和調整，最終通過語料特徵的智慧預測，即可生產出符合流量高峰真實特徵的語料。這些都將推動高德全鏈路壓測智慧化的演進。
未來展望
高德全鏈路壓測平臺語料智慧化發展已經有一段時間了，通過大家的不懈努力，語料智慧化已完成了語料的自動生產，以及特徵引數的彙總和提取，為後續智慧化奠定了基礎。未來平臺將通過機器學習的方式分析學習採集到的特徵資料，根據往年流量高峰的特徵情況，加今年流量的變化趨勢預測出符合今年流量高峰的特徵情況，做到介面特徵級別的精準控壓，完全模擬真實流量壓測達到真正意義的全鏈路壓測。
此外，平臺將會藉助機器學習自動分析發現影響流量變化的引數，自動提取分析，提高語料生產的準確性。
平臺也會有置信度評估系統，分別對比真實的流量特徵和預測的流量特徵，分析產生誤差的原因，進一步提高預測的精準度，做到完全真實的流量生產。後續配合平臺的精準壓測、壓力模型和監控等功能達到真正意義的無人化、智慧化的全鏈路壓測。
