序言
不符合与预期期许时，使用者往往会简单地意见反馈不太好用。
这里使用者的“不太好用”就是操控性试验的核心理念重点。透过各种监视方式收集相关操控性统计数据后，基于销售业务预测在各信道上的费时、判断控制系统困局是做操控性试验、操控性强化预测必不可少的各个环节。但是在当今社会此种靠个人潜能或传统安插在Agent、笔记等应用操控性监视控制技术逐渐失灵，已经无法满足使用者的操控性需求以及愈来愈快的控制系统插值速度。
尤以当今社会民营企业全面转向云计算，以罐子、微服务构架、DevOps为核心理念的云原生植物构架成为更上一层提质提质的最强化方向背景下，大规模罐子软件产业产生更大的销售业务阻抗潜能、更高的网络流量突发性潜能。罐子构架的变化趋势，对操控性监视、预测的范围影响也愈来愈大与不可估计。因此，如何在云原生植物时代下更好开展质量领域操控性试验，是他们为民营企业在市场上提供竞争优势的炮弹之一。
操控性试验
说到操控性试验，大家的印象基本上都是这三个阶段：
1）演示使用者销售业务流程操作，透过演唱方式或JAVA编辑聚合操控性试验JAVA，对JAVA展开模块化、管理、思索时间、石边增设完成整体操控性JAVA
2）演示使用者阻抗行为，透过情景化展开银穗草的数学模型增设，选择监视指标
3）预测试验统计数据，透过工具便携式的整合预测功能或结合其他操控性统计数据
那么他们做操控性测试的目地在于什么呢？大多数老师刚开始做操控性试验的时候，都是略过操控性JAVA增容、增设完银穗草数学模型、执行完JAVA，看下控制系统的CPU、缓存、客运量、外交事务TPS，在输入一份试验报告就结束了。
此种业务流程和试验报告在过去10年前或许是可以接受的，这受制于当初的控制技术构架（乙烯、前后端）和监视预测方式，但在当今社会控制技术构架、销售业务情景、使用者需求、研制模式、灵巧结构调整、研制效率等众多内、外环境的变化，民营企业对操控性试验的目地愈来愈多样化、前瞻性。
常见操控性试验目地一般包括：
1、确认控制系统的响应时间：比如说控制系统平均值响应时间3秒
2、确认控制系统的最大使用者数：比如说控制系统在100000个使用者下平均值响应时间4秒
3、确认控制系统的最佳配置：比如说在Centos7、8C16G、500G配置下，某销售业务支持50000个使用者同时访问，平均值响应时间1秒
传统操控性监视的窘境
操控性试验目地确认后，往往都是基于此目地去做操控性银穗草实施和监视统计数据预测，这里如何开展银穗草实施业务流程先不展开介绍，他们主要就监视统计数据预测这部分大家比较少谈的话题展开。
1、传统环境下操控性监视颗粒度较粗
传统环境下控制系统的应用都是需要透过物理层网络设施展开网络流量转发，因此传统环境下，销售业务应用网络流量都是透过利用网络设备支持旁路网络流量镜像的方式实现收集，比如说在交换机增设端口镜像或TAP转发收集。
但收集到的网络流量统计数据无法和销售业务对应起来，基本都是控制系统资源上如CPU、缓存、客运量或者本身服务器（如Tomcat）便携式的指标等数据，无法分解到具体某个URL和销售业务上。
这些都导致传统操控性监视更多是以监视控制系统可用性为核心理念，不涉及具体销售业务。
2、控制技术构架升级的操控性监视难点
过去在乙烯构架、前后端分离、SOA构架上都可以展开物理层网络设施网络流量收集，随之信息化建设的发展，民营企业全面转向云计算，微服务构架、罐子、DevOps大行其道。
开发团队为了满足销售业务调整更加迅速，在控制技术上大量使用微服务构架，将销售业务解耦，把过去大乙烯拆解到小的服务，使其可以更加快速的发布投产。
运维团队使用罐子、DevOps控制技术，让代码更快发布，对销售业务网络流量展开实时监视、销售业务资源动态伸缩，更好的满足销售业务运营需求。
而这些都导致销售业务解析颗粒度愈来愈细，服务解耦愈来愈清晰，问题定位需要愈来愈精准，尤其是在当今社会控制技术上已经不会出现较大功能问题，更多在于不同控制技术构架、销售业务依赖、基础设施（网络、云平台、服务器）、服务配置、虚拟化控制技术的应用编排，而这些都需要精准的监视来展开预测。
3、销售业务操控性需求常态化
得益于互联网的飞速发展，各种控制技术的插值使其能够满足愈来愈多的销售业务形态，比如说当今社会最流行的直播、赛事转播等，这些销售业务能够让他们身边每个人都能随时随地的参与和访问，都离不开操控性保障。
操控性需求在14年还只是在大型电商活动做秒杀、各种活动的时候，12306刚开始发售时，也曾出现无数次出票服务不可用、控制系统响应缓慢的问题，当时的操控性需求还是被动的或前瞻性的开展的。而现在日常的生活娱乐、出行交通、工作协同已经是无时无刻不在开展操控性需求。
云原生植物时代操控性监视电极
面对传统操控性监视的窘境，以及现阶段控制技术上的框架推动、灵巧开发和自动化监视部署也对操控性监视发起了挑战。
为了解决种种网络流量监视的难点，掌动智能云网一体化操控性保障平台（XRunner）网络流量诊断电极，在面对复杂云环境下真正解决云网络流量收集、治理、回溯、输入的实用性价值，真正帮助民营企业对云环境展开无盲点、细粒度的监视，保障操控性监视更加精准和操控性定位到销售业务级别。
1、异构环境下网络流量收集部署
目前主流的开源项目底座、国内主流云厂商底环境、信创环境都支持云环境、宿主机、IDC机房部署、网络流量收集。
1）云环境支持
部署支持私有云、公有云、混合云环境
部署支持虚拟机部署，或预置在Docker
2）宿主机控制系统支持
对主流Centos7/8，Ubuntu20.0等相关发行版，都只需要一个版本、一个程序即可实现完美兼容
对主流虚拟化、罐子化、云厂商（VMware、Kubernetes、Docker、OpenStack、阿里云、腾讯云、华为云等）支持
2、网络接口、统计数据包捕获
透过部署在私有云宿主机，或公有云工作阻抗的操作控制系统层，可以实现对：
全部网卡，特定网卡，IO捕获
特定IP / IP:Port / Port / IP~IP / Subnet的统计数据包捕获
并可以执行BPF条件的Byte-Code统计数据包过滤捕获
3、宿主机统信统计数据治理与输入
对符合特征的网络流量展开实时解析，可以实时输入如下四种统计数据类型：
1、丰富的TCP/UDP的会话指标
判断网络时延行为的主要依据；可以实时的预测全部或特定网卡的TCP/UDP会话，并可以将预测结果，以UDP封装JSON格式的统计数据，实时转发到外部的统计数据接收端；主要的通信指标包括，聚合后的四元组信息，MAC，VXLAN/GRE编号，以及全部标志位信息等。
2、HTTP/URL的指标和内容，阻抗段的内容
判断各类应用层风险的主要依据，UniProbe可以实时预测HTTP/URL/XML等会话和阻抗内容，并可以将其内容和主要指标，以UDP封装的JSON统计数据，实时转发到外部的统计数据接收端。
3、DB/SQL的指标和内容
判断各类统计数据库风险的主要依据，UniProbe可以实时预测SQL会话内容，并可以将其内容和主要指标，以UDP封装的JSON统计数据，实时转发到外部的统计数据接收端；支持的DB包括但不限于Oracle，MySQL，SQLserver等结构化统计数据库。
4、进程信息
如上三类统计数据监视功能，都可以与宿主机的进程相关联，透过预测进程的活跃程度（CPU/MEM用量），进一步定位、分解操控性风险。
收益与价值
透过云网一体化操控性保障平台（XRunner）的操控性诊断电极的实施，能带给民营企业如下价值体现：
1、对复杂云环境下应用的云网络流量展开预测，做到云网络流量可视化，云网操控性监视，异常网络流量发现和预测
2、在多层虚拟化环境下从物理设备层、私有云、K8S罐子云、lstio、销售业务层POD等多维度操控性追踪，识别分层次下综合操控性困局，从而展开操控性定位和调优
3、帮助客户从使用者和销售业务视角预测和评估销售业务交易健康、后端应用操控性、混合基础构架支撑潜能
4、帮助使用者基于统一平台，快速实现端到端销售业务交易追踪、代码级销售业务处理操控性预测、销售业务故障、操控性、多层虚拟化构架和SDN云网操控性的全栈问题跟踪与诊断等等。
