内容简介:Github地址https://github.com/rootsongjc/distributed-load-testing-using-kubernetes该教程描述如何在Kubernetes中进行分布式负载均衡测试,包括一个web应用、docker镜像和Kubernetes controllers/services。更多资料请查看Distributed Load Testing Using Kubernetes 。如果你还没有kubernetes集群,可以参考kubernetes-handbook部署
Github地址https://github.com/rootsongjc/distributed-load-testing-using-kubernetes该教程描述如何在Kubernetes中进行分布式负载均衡测试,包括一个web应用、 docker 镜像和Kubernetes controllers/services。更多资料请查看Distributed Load Testing Using Kubernetes 。
注意:该测试是在我自己本地搭建的kubernetes集群上测试的,不需要使用Google Cloud Platform。
准备
不需要GCE及其他组件,你只需要有一个kubernetes集群即可。
如果你还没有kubernetes集群,可以参考kubernetes-handbook部署一个。
部署Web应用
sample-webapp
目录下包含一个简单的web测试应用。我们将其构建为docker镜像,在kubernetes中运行。你可以自己构建,也可以直接用这个我构建好的镜像 index.tenxcloud.com/jimmy/k8s-sample-webapp:latest
。
在kubernetes上部署sample-webapp。
$ cd kubernetes-config $ kubectl create -f sample-webapp-controller.yaml $ kubectl create -f kubectl create -f sample-webapp-service.yaml
部署Locust的Controller和Service
locust-master
和 locust-work
使用同样的docker镜像,修改cotnroller中 spec.template.spec.containers.env
字段中的value为你 sample-webapp
service的名字。
- name: TARGET_HOST value: http://sample-webapp:8000
创建Controller Docker镜像(可选)
locust-master
和 locust-work
controller使用的都是 locust-tasks
docker镜像。你可以直接下载 gcr.io/cloud-solutions-http://olz1di9xf.bkt.clouddn.com/locust-tasks
,也可以自己编译。自己编译大概要花几分钟时间,镜像大小为820M。
$ docker build -t index.tenxcloud.com/jimmy/locust-tasks:latest . $ docker push index.tenxcloud.com/jimmy/locust-tasks:latest
注意:我使用的是时速云的镜像仓库。
每个controller的yaml的 spec.template.spec.containers.image
字段指定的是我的镜像:
image: index.tenxcloud.com/jimmy/locust-tasks:latest
部署Locust-Master
$ kubectl create -f locust-master-controller.yaml $ kubectl create -f locust-master-service.yaml
部署Locust-Worker
Now deploy locust-worker-controller
:
$ kubectl create -f locust-worker-controller.yaml
你可以很轻易的给work扩容,通过命令行方式:
$ kubectl scale --replicas=20 replicationcontrollers locust-worker
当然你也可以通过WebUI:Dashboard – Workloads – Replication Controllers – ServiceName – Scale来扩容。
配置Traefik
参考kubernetes的traefik ingress安装,在 ingress.yaml
中加入如下配置:
- host: traefik.locust.io http: paths: - path: / backend: serviceName: locust-master servicePort: 8089
然后执行 kubectl replace -f ingress.yaml
即可更新traefik。
通过Traefik的dashboard就可以看到刚增加的 traefik.locust.io
节点。
执行测试
打开 http://traefik.locust.io
页面,点击 Edit
输入伪造的用户数和用户每秒发送的请求个数,点击 Start Swarming
就可以开始测试了。
在测试过程中调整 sample-webapp
的pod个数(默认设置了1个pod),观察pod的负载变化情况。
从一段时间的观察中可以看到负载被平均分配给了3个pod。
在locust的页面中可以实时观察也可以下载测试结果。
来源: https://www.kubernetes.org.cn/1895.html
以上所述就是小编给大家介绍的《运用Kubernetes进行分布式负载测试》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 4.10 负载均衡分布式
- 干货 | 独创分布式网络负载均衡最佳实践
- 分布式系统关注点:如何去实施负载均衡?
- 2019淘宝:OceanBase分布式系统负载均衡案例分享
- 分布式负载均衡算法之亲和性轮询原理
- 分布式系统关注点:仅需这一篇,吃透 “负载均衡” 妥妥的
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
美团机器学习实践
美团算法团队 / 人民邮电出版社 / 2018-8-1 / 79.00元
人工智能技术正以一种超快的速度深刻地改变着我们的生活,引导了第四次工业革命。美团作为国内O2O领域领 先的服务平台,结合自身的业务场景和数据,积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域,相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、计算广告、深度学习以及算法工程6大部分内容,全面介绍了美团在多个重要方面对机器学习的应用。 ......一起来看看 《美团机器学习实践》 这本书的介绍吧!