閱讀本文前建議先閱讀云梯跨機(jī)房方案介紹，了解云梯跨機(jī)房項(xiàng)目背景，難點(diǎn)以及解決方案。本文重點(diǎn)介紹下跨機(jī)房測(cè)試的整體解決方案
功能測(cè)試
測(cè)試用例管理:http://kelude.taobao.net/testsuites?project_id=12202
數(shù)據(jù)安全性測(cè)試
數(shù)據(jù)安全簡(jiǎn)單的說是不能丟數(shù)據(jù)，跨機(jī)房后集群規(guī)模到達(dá)近萬臺(tái)，數(shù)據(jù)存儲(chǔ)到達(dá)數(shù)百PB，如何確保數(shù)據(jù)安全是一個(gè)很大的挑戰(zhàn)
在跨機(jī)房的情況下，我們通過（Sange、Slive、DFSIO）模擬線上比例的各種混合性操作，通過NN的FSCK， CN的 CrossCheck工具定位異常數(shù)據(jù)如CORRUPT，一直處于BEING WRITTEN無法關(guān)閉的文件，跨機(jī)房失敗的文件
數(shù)據(jù)安全性測(cè)試?yán)镄枰紤]的一種重要場(chǎng)景是NN和DN重啟，在實(shí)際的升級(jí)過程中，在集群重啟前各業(yè)務(wù)線并沒有停止讀寫數(shù)據(jù)，重啟后數(shù)據(jù)的一致性和可恢復(fù)性非常重要；在實(shí)際的跨機(jī)房測(cè)試中我們?cè)l(fā)現(xiàn)一個(gè)因?yàn)橹貑⒑鬆顟B(tài)不一致導(dǎo)致無法加載EDITLOG從而使NN無法啟動(dòng)的BUG，如果這種問題發(fā)生到線上，后果不堪設(shè)想
性能測(cè)試
性能測(cè)試的關(guān)鍵點(diǎn)是如何建立性能基準(zhǔn)，對(duì)線上性能進(jìn)行準(zhǔn)確評(píng)估，跨機(jī)房測(cè)試性能基準(zhǔn)工具主要包括：
DFSIO: HDFS I/O（讀寫） 性能基準(zhǔn)
Slive: 主要模擬線上各種RPC，在每個(gè)TASK發(fā)起混合型RPC操作，并可以指定文件和block大小，該工具可以同時(shí)測(cè)試NN和DN的性能；
Sange: 主要模擬線上各種RPC操作壓力，在每個(gè)TASK啟動(dòng)大量Thread進(jìn)行混合性RPC操作 ，對(duì)NN產(chǎn)生壓力，進(jìn)而評(píng)估NN RPC 處理能力；SANGE工具不能指定文件和Block大小，會(huì)產(chǎn)生大量小文件，比SLIVE對(duì)NN可以產(chǎn)生更大的RPC壓力
Terasort：MapReduce 數(shù)據(jù)排序能力基準(zhǔn)
Gridmix ：Gridmix和Rumen結(jié)合可以模擬和生產(chǎn)作業(yè)相應(yīng)的負(fù)載，更真實(shí)的模擬生產(chǎn)環(huán)境
SmallJobBench:通過創(chuàng)建大量sleep job到不同group來測(cè)試jobtracker性能
SubmitJobBench：通過每個(gè)map啟動(dòng)（-nThreads）個(gè)線程，每個(gè)線程順序提交（-nTasks）個(gè)作業(yè)， 每個(gè)線程有自己的獨(dú)立賬號(hào)，來模擬線上多賬號(hào)并行度2K情況下JTProxy性能
跨機(jī)房性能主要對(duì)比場(chǎng)景：
主要針對(duì)上述場(chǎng)景進(jìn)行性能對(duì)比和評(píng)估包括NN帶寬，內(nèi)存，CPU load， NN RPC 指標(biāo)， NN 各個(gè)operation的吞吐量(opsper second)和平均執(zhí)行時(shí)間， NN同步editlog性能指標(biāo)，跨機(jī)房帶寬流量，跨機(jī)房復(fù)制速率，跨機(jī)房副本刪除速率，CROSSFSCK時(shí)間
跨機(jī)房測(cè)試還有很重要的一點(diǎn)是要保證計(jì)算一定優(yōu)先從本機(jī)房讀數(shù)據(jù)，除非本機(jī)房沒有數(shù)據(jù)才會(huì)跨機(jī)房讀；實(shí)際測(cè)試中TERASORT跨機(jī)房讀對(duì)比本機(jī)房讀性能會(huì)有32%左右的下降，而且對(duì)帶寬也是很大的浪費(fèi)。
