大家所熟悉的性能测试工具有Loadrunner、JMeter，以及其他小众一些的工具，如Locust、Ngrinder、Gatling等等，那么你们知道这些工具有什么不同吗？为什么有的工具能模拟数千上几万的并发，有的工具单机只能模拟一两千的并发，这其中的原因是什么呢？那么这节课我就来告诉大家，你所不了解性能测试工具的一面：并发模式。
一、多进程 / 多线程并发模式
多进程：同时执行多个程序。如，运行微信，QQ，以及各种浏览器（进程列表里能看到多个程序在运行）。 多线程：同一时刻执行多个线程。如，用浏览器一边看新闻，一边听歌，一边看下载（只启一个浏览器进程，运行多线程任务）。
1、进程和线程切换模式
支持进程和线程双模式的代表工具是Loadrunner
对于Loadrunner按线程运行VUSER和按进程运行VUSER的区别：
（1）按线程运行VUSER，LR默认情况下，每50个用户开启一个进程mmdrv.exe；controller场景运行结束，进程mmdrv.exe也会相应结束；
在Runtime setting中设置为按线程运行VUSER，设置Controller中的虚拟用户数小于等于50的话，打开windows资源管理器可以看到有一个进程mmdrv.exe；设置Controller中的虚拟用户数在51与100之间的话，打开windows资源管理器可以看到有两个进程mmdrv.exe. （2）按进程运行VUSER，系统为每1个用户开启一个进程mmdrv.exe；controller场景运行结束，进程mmdrv.exe也会相应结束；
进程的方式由于要起大量的mmdrv.exe，就要耗费大量的资源（进程属于独占资源，不像线程是共享内存空间），同等资源下无法支持更多并发，但换来的是进程的稳定性和安全性（进程独占资源，不会像线程那样发生内存共享争用情况，所以报错率极低），压测过程中不容易出现异常。在LR中这些协议不支持多线程并发：Sybase-Dblib、Infomix、Tuxedo、and PeopleSoft-Tuxedo，原因是这些协议本身不支持线程安全（会发生共享争用）。
2、多线程并发模式
支持多线程并发模式的代表工具是JMeter
（1）重度依赖于开发语言和操作系统对多线程的支持 （2）多线程切换的时候资源消耗比较多，在同等资源的情况下，产生的有效并发数量小； （3）多线程也相对容易产生错误，比如死锁，共享数据错乱； （4）可以通过丰富的界面来减少二次开发导致上面的一些错误； （5）通过扩展开发和插件实现分布式来满足并发量的不足； （6）多线程的应用技术比较成熟，未来相当长时间，还会继续应用于很多性能测试工具。
Jmeter作为多线程并发的代表工具，肯定比多进程工具要轻量化，但是有效并发还是不足，这就需要用到分布式代理，但是一个分布式代理只能启一个进程（slave），一个进程只能运行一个作业任务（进程独占一个通信端口，进程内通过多线程实现并发），所以Jmeter并不支持分布式的多任务并发，但由于Jmeter的master（主节点）支持多进程（启多个jmeter），所以有些压测平台，比如MeterSphere就利用了这一点，通过控制多个Jmeter进行多任务的并发（多进程并行任务 多线程并发测试），而不是靠分布式代理这种单进程多线程的方式：
具体可以参考我的文章《关于MeterSphere的性能测试架构理解》
3、多进程和多线程并用模式
充分利用进程和线程并发模式的代表工具是Ngrinder
虚拟用户的换算关系： 进程数：每个server起多少进程去跑 线程数：每个进程新建的线程数量 并发量 = 代理数 x 进程数 x 线程数
nGrinder支持多重测试和动态代理分配，因此只有在执行真正的测试时，才会动态地将代理分配给测试。这使得nGrinder成为所有竞争者中唯一的解决方案。由于代理的数量相对较少，多个用户可以同时运行多个测试。可能并发测试的数量取决于自由代理的数量。
总结：多线程和多进程比起来，显然要轻量的多，并且能充分的利用多核心CPU的并发处理能力，效率要高的得，但是和进程一样，一个线程也需要从头到尾的处理请求的发送、等待和接收的过程，这个过程只要没有结束，线程资源就始终得不到释放，所以多线程需要通过切换来合理的争用CPU资源，而多线程上下文切换就会严重影响多线程的执行速度，所以单台机器的有效线程并发不足，追求更高的并发，只能通过增加代理机。
二、消息循环（EventLoop）并发模式
代表工具Locust，基于协程（微线程，相当于函数，更轻量级）而不是回调方式，只能单核CPU运行，可以通过分布式来实现多核运行。
1. EventLoop模型最大的优势是在一个线程里完成大量的并发，从而避免了多线程带来的各种问题。我们可以看到，发送消息和接收消息被独立化了，不需要由一个线程负责到底，这就避免了多线程的上下文切换问题。 2. 缺点是无法同时使用多核心处理器的多个核，从而无法充分利用硬件资源，因为一个线程就实现了多并发， 使用单核CPU就够了，这样就造成了其他CPU的闲置（一种浪费行为），这就需要通过用分布式来启动多线程 ，通过多实例运行来弥补这个问题。 3. 这种并发模型里面的并发用户数只能配置固定值，在压测的过程中无法改变；这个特性与 JMeter 和 Gatling 都不一样，因为 JMeter 和 Gatling 都是可以运行的过程中改变并发用户数量的。
三、Actor并发模式
这种并发模式比较新颖，属于旧技术新应用的并发模型，代表工具是Gatling（这款工具发布的比较晚，所以采用了这个新颖的并发技术）； 随着多核时代和分布式系统的到来，共享模型（上面讲的多线程技术）已经不太适合并发编程，因此几十年前就已经出现的Actor模型又重新受到了人们的重视。MapReduce就是一种典型的Actor模式，而在语言级对Actor支持的编程语言Erlang又重新火了起来，Scala也提供了Actor，但是并不是在语言层面支持，Java也有第三方的Actor包，Go语言channel机制也是一种类Actor模型。
1. 这种模型结合了多线程并发模型和消息循环并发模型的优势，避免多线程问题又充分利用硬件资源； 2. 基于消息传递的，并且使用每个虚拟用户基于一个 Actor 就可以做到相对独立（没有锁机制），并通过消息传递进行通信，所以具有单线程里进行高并发的能力； 3. 邮箱（Mail Box）是actor之间的通信桥梁，邮箱内部通过FIFO消息队列来存储发送方消息，而接收方则从邮箱中获取消息； 4. 还可以在运行时轻松地动态增加和减少并发虚拟用户数（Actor）；
由于 Actor 模型的轻量和高并发性，再加上 Scala 语言基于 JVM，所以 Gatling 的并发模型结合了 JMeter 和 Locust 的优势，其尽可能地避免了多线程存在的一些问题，并可以充分使用硬件资源：多核。其次 Actor 模型核心是基于消息传递的，它具有和消息循环模型同样在单线程里面进行高并发的能力。并且它还可以在运行时轻松地动态增加和减少并发虚拟用户数（Actor）。虽然其并发模型十分优秀，但是需要使用 Scala 语言来进行开发，使得很多测试人员望而却步，导致 Gatling 的使用量并不是很广泛。不过这不能阻止人们对这项技术的向往，可以预见的是，未来的性能压测工具，会更喜欢采用这种并发模式。
如果你对Actor还有什么疑义，就参考这篇文章《十分钟理解Actor模式》
四、流量复制回放模式
流量复制回放不属于并发模式，和并发技术也无相关，但之所以我把它放在一起说，是因为这种方式也是性能测试工具采用的一类模式，不需要制造并发，只需要将生产环境的流量复制过来并进行放大，就能模拟百万并发的效果。我们模拟并发的目的，从业务层面的角度来说，也是为了模拟大量的流量，对于互联网时代来说，流量就是生命和血液，复制和复用这种流量，比单纯的模拟并发有时候更有意义。
什么是流量复制？ 我们把用户访问系统造成的数据传输定义为流量，那么在用户访问系统的过程中，我们可以把进入和流出的数据复制下来，进行保存，待后续使用，即离线模式，或者转发到一个新的服务器，立即使用，即在线模式。 什么是流量回放？ 获取到复制下来的流量以后，我们按照接收的时间顺序，将它们一条一条的传输到待测试的服务中，让测试服务产生相应的响应；相当于实际用户帮助我们进行测试。 通常有以下几种回放测试的情景： （1）复制下来什么内容就回放什么内容，即全量回放； （2）复制下来的内容进行一些预设规则的过滤，或者特殊的处理后，再进行回放，即选择性回放； （3）复制下来的内容，对其进行处理从中获取必须的数据项，比如上文中提到的搜索词，即关键词回放。 TCPCOPY是比较常用，极其优秀的流量复制回放工具，但是其对组网的要求较高，以下是组网架构图：
1. Online Server(OS)：上面要部署 TCPcopy，从数据链路层(pcap 接口)抓请求数据包，发包是从IP层发出去； 2. Test Server(TS)：TS设置路由信息，把 被测应用的 需要被捕获的响应数据包信息路由到 AS； 3. Assistant Server(AS)：这是一台独立的辅助服务器，原则上一定要用同网段的一台闲置服务器来充当辅助服务器。AS 在数据链路层截获到响应包，从中抽取出有用的信息，再返回给相应的 OS 上的 TCPcopy 进程。
除了TCPCOPY，还有一款比较流行的引流工具Gor (GoReplay)，有兴趣的同学可以自己去了解一下。
关于性能测试工具的并发模式就介绍到这，这篇文章的内容由我的录播课程《性能测试核心知识解惑》当中的一小块内容整理而成，有兴趣的请到我的录播课程学习，以下是这个课程的知识结构图：
性能测试核心知识解惑： https://edu.csdn.net/course/detail/31649
