专场:质效技术创新

流量回放、全链路压测、精准测试、质量可视化、生产稳定性、混沌工程。
PerfMa联合创始人兼CTO,TVP腾讯云最具价值专家,中商联智库技术顾问,蚂蚁金服全链路压测平台与性能回归体系建设者,拥有多项企业级性能与容量方向的关键技术专利。曾在蚂蚁主持多届双十一、双十二、春节红包等大促活动的性能容量压测与演练工作。一直深耕于质量效能及系统稳定性保障领域。2017年底联合创立PerfMa。PerfMa致力于打造一站式IT系统稳定性保障解决方案,凭借领先的技术实力和丰富的行业经验,专注于性能评测与调优、生产稳定性监控、故障根因定位与解决,为企业提供一系列技术产品与专家服务。帮助企业提升研发效能、节省资源成本,在业务快速发展的同时保障生产稳定性,更聚焦于业务创新。
出品人:童庭坚 
PerfMa 首席技术官 TVP腾讯云最具价值专家
容量保障是互联网行业最为关注的稳定性保障手段,业界很多大厂也成功实践了不少方案,如全链路压测等。但容量保障的代价依然较大,一次全链路压测动辄集合数百人,费时费力。本次议题主要聚焦如何提升容量保障的效率,以最低的代价保障服务容量安全。
1.容量保障的行业现状(普及基本概念,确保不了解容量保障的听众有一定入门信息)
2.容量保障的巨大代价(对比现有容量保障技术的高成本)
3.全链路压测的提效之道
        3.1压测模型自动化校准(链路分析,自适应压测量)
        3.2无人值守压测(压测平台,外挂监控模块,主动熔断)
4.容量规划的提效之道
        4.1智能化容量预测技术(引入人工智能技术建模,提前发现容量瓶颈)
5.总结
提供可落地的方案和实践,对于已经从事各类容量保障工作的受众,可以直接应用到工程中去,提升效率。对于中小型公司,也能根据提效的模式,通过开源技术对局部提效点进行实现,减少成本。
吴骏龙
前阿里巴巴  本地生活 高级专家
前阿里巴巴本地生活高级专家,曾任职于eBay上海研发中心,专攻测试领域各项自动化技术,擅长通过技术手段保障产品质量。在阿里巴巴本地生活负责质量基础设施建设和容量保障工作,涉及全局容量保障、稳定性、质量效能等多个领域,担任多项大促活动和重点项目PTM。

擅长领域:容量保障、质量基础设施、质量效能提升
待定
待定
大规模微服务体系下的容量保障提效实战
内容大纲
听众收益
在过去的单点工具加人海战术的模式下,测试团队已无法支撑持续交付和高质量交付要求,同时较多技术测试工具还增加了工作量和从业人员的门槛,最终测试团队的价值甚至被质疑。在这样的背景之下,质量团队开始从功能验收测试回归到软件质量本身,渗透到软件全生命周期去做过程质量把控,建设测试基础技术能力、提升全员质量意识、完善质量控制体系,从而有效保障系统的正确性、性能容量及可靠性等,最终为快速迭代的IT系统带来持续价值。

1. 质量保障的矛盾
2. 寻找质量的相对分母
3. 打破测试价值被质疑的局面
4. 持续内建,持续收获
1. 了解过程质量度量的基本思路:不断寻找从需求->功能->服务->代码->数据流转的相对分母,并通过不同的测试方法和手段进行持续的覆盖。
2. 了解一些创新的测试技术:如生产全链路压测、可靠性测试、性能调优等,及这些基础能力的建设思路和方法。
3. 了解从持续内建->测试左移->度量体系->持续收获的过程,形成在战术上的闭环。

杨靖
PerfMa  解决方案专家
PerfMa-解决方案专家,负责全国行业客户解决方案架构及项目落地。

擅长领域:质量效能、性能分析、根因定位、全链路压测、生产压测能力建设等领域

待定
待定
质量过程度量体系建设思路
内容大纲
听众收益
一、大数据沙盒简介
二、分层架构体系:按照统一规划、统一设计、统一管控的原则,以共享、复用和创新为导向,形成涵盖系统平台、基础数据、调度管理、数据管理和数据服务于一体的分层架构体系。
1、基础数据体系:定义全量生产数据,实现数据高频同步;关联元数据及变形信息,实现数据安全恢复全流程关联。
2、管理支撑平台:
(1)分布式系统平台方面:充分运用多租户软隔离技术,对建立在测试环境之上的沙盒环境,从集群、程序、数据三个方面进行解耦,实现物理共享、逻辑隔离的集约化管理新模式。
数据调度方面:实现数据同步细粒度、并行调度更快速、操作模式更便捷、框架系统更稳定。
数据管理方面:实现可视化前台数据恢复调度服务。包括服务统计、数据分布、数据复用、数据管理、调度管理五大模块。
(2)数据服务:提供数据接口、即席查询、定制化服务、周期性批量服务等方面服务能力。
三、保障机制
1、安全设计:变形清单管理、变形秘钥管理、变形结果检查、恢数用户管理、数据权限管理等。
2、安全规范
传统的数据恢复一般需要经过“方案整理->变更流转->生产环境抽取变形->结果分析确认->系统备份->磁带传输->数据恢复->结果确认”共计8个环节,涉及上几十TB量级的海量数据的情况下,恢复周期可能达到3-4周,然而目前的新研发模式对数据供给效率提出了更高的要求,不同项目对基础数据准备的时点和时效提出更多差异化、个性化的需求。针对此类问题,我们亟需在安全合规的基础上打通一条贯穿生产测试环境的数据敏捷供给通路,同时以灵活可配置化的管理平台作为支撑,构建丰富多样的数据服务模式。
为金融同业大数据平台海量数据敏捷供给和数据服务构建提供参考
刘聪
中国工商银行业务研发中心  金融科技经理
入行3年来一直牵头大数据沙盒工程建设,以“需求驱动数据”向“数据驱动需求”升级转型的总体建设目标,按照统一规划、统一设计、统一管控的原则,以共享、复用和创新为导向,形成涵盖系统平台、基础数据、调度管理、数据管理和数据服务于一体的分层架构体系。

擅长领域:大数据分布式技术、数据资产、数据地图、数据服务。
待定
待定
银行业海量数据敏捷供给能力建设思考与实践
内容大纲
听众收益
jmeter普及,性能测试门槛降低的今天,大部分测试人员都具备性能测试的条件,但是仍然存在多个痛点让性能测试依然无法顺利进行,测试工具无法解决整合性的问题。众安保险的性能测试平台从最初的在线压力发生软件,到如今结合流量录制回放/资源监控服务,打造了一体化的性能测试平台。进一步降低了性能测试的门槛和整体的资源损耗, 并成功保证了春节期间180W 外部并发流量对我司app的冲击。
1. 大流量压测下的资源快速申请、搭建和释放
2. 测试人员之间脚本、结果的共享和分析效率问题
3. 大量集群和微服务服务器的资源收集和整理
4. 针对接口的智能性能测试策略和瓶颈分析
1. 快速的弹性压力机配置和扩展
2. 在线案例编辑与资料共享机制
3. 实时聚合到测试报告的服务器资源监控
4. 围绕接口容量的傻瓜式测试场景与自动瓶颈分析
1. 人员到位后如何快速、高效、低消耗的开展性能测试。
2. 应用达到一定规模后,如何管理和有计划性地持续进行性能测试。
汪成坤
众安保险  测试开发专家
待定
待定
性能测试的最后一公里
内容大纲
听众收益
质量建设痛点
数据统一接入和管理
智能巡检告警
智能管理
总结&展望

在云计算云原生和DevOps研发模式的挑战下,如何有效的管理好各种测试工具的产出的数据、日志、事件和告警,建设企业质量平台是一件有很大挑战,本议题结合云计算平台下的实践,如何选择合适的方法、工具与策略,覆盖开发、测试、预发、ABTest、发布、事后质量检测等阶段。
孙亚宁
花名 寂之 阿里云 技术专家
阿里云技术专家,就职于阿里云日志服务SLS团队,对基于云原生架构下的产品,面向海量客户和数据系统的DevOps、SRE与质量建设有多年实战经验。

曾就职于依图科技,负责基于AI服务器的大规模异构集群的运维平台架构、开发与设计。

待定
待定
基于海量日志、时序数据的质量建设最佳实践
内容大纲
本站使用百度智能门户搭建 管理登录