云原生测试实战

孙高飞

扉页
版权信息
+书签
内容提要
对本书的赞誉
前言
第1章认识云原生
1.1 什么是云原生
1.2 云原生的测试挑战
1.3 本章总结
第2章容器技术基础
2.1 构建浏览器集群
2.1.1 Selenium Grid
2.1.2 Docker部署Selenium Grid
2.1.3 小结
2.2 容器隔离的原理
2.2.1 隔离
2.2.2 Linux名字空间
2.2.3 小结
2.3 网络模式
2.3.1 bridge网络模式
2.3.2 host网络模式
2.3.3 container网络模式
2.3.4 小结
2.4 容器镜像
2.4.1 镜像构建
2.4.2 联合文件系统
2.4.3 镜像分层的优势
2.4.4 镜像扫描工具的开发
2.4.5 小结
2.5 本章总结
第3章 Kubernetes基础
3.1 深入解析Pod
3.1.1 Pod的架构
3.1.2 Pod的调度
3.1.3 Pod的资源管理
3.1.4 小结
3.2 服务高可用设计
3.2.1 高可用的常见设计
3.2.2 服务副本与水平扩展
3.2.3 基于Service的负载均衡网络
3.2.4 基于探针的健康检查
3.2.5 小结
3.3 再谈镜像扫描工具
3.3.1 DaemonSet定义
3.3.2 DaemonSet与Headless Service
3.3.3 在容器中调用Docker
3.3.4 小结
3.4 离线业务
3.4.1 Job
3.4.2 CronJob
3.4.3 小结
3.5 K8s开发基础
3.5.1 客户端的初始化
3.5.2 基本API的使用
3.5.3 资源回收工具的开发
3.5.4 让工具在集群中运行——InCluster模式和RBAC
3.5.5 解决容器时区问题
3.5.6 小结
3.6 本章总结
第4章混沌工程
4.1 什么是混沌工程
4.2 高可用测试的理论
4.2.1 幂等与重试
4.2.2 状态管理
4.2.3 CAP
4.2.4 BASE
4.2.5 监控告警
4.2.6 小结
4.3 高可用扫描工具
4.3.1 扫描规则
4.3.2 代码实现
4.3.3 小结
4.4 故障注入工具
4.4.1 故障注入工具的底层原理
4.4.2 开源工具的选择
4.4.3 Chaos Mesh的架构
4.4.4 K8s的Operator
4.4.5 Chaos Dashboard
4.4.6 chaosd-server
4.4.7 sidecar模式的故障注入
4.4.8 jvm-sandbox
4.4.9 故障注入的注意点
4.4.10 小结
4.5 K8s中的特殊故障
4.5.1 Pod无法被删除
4.5.2 驱逐策略与抢占优先级
4.5.3 K8s核心组件故障
4.5.4 小结
4.6 高可用的评估手段
4.6.1 以模拟SLA为角度评估
4.6.2 以故障场景为角度评估
4.6.3 RPO与RTO
4.6.4 小结
4.7 本章总结
第5章性能测试与监控
5.1 Prometheus快速入门
5.1.1 快速部署
5.1.2 架构介绍
5.1.3 可视化
5.1.4 小结
5.2 PromQL详解
5.2.1 理解时间序列
5.2.2 理解指标类型
5.2.3 语法详解
5.2.4 HTTP API
5.2.5 小结
5.3 容量测试
5.3.1 超卖的风险
5.3.2 资源的初步评估
5.3.3 统计具体的资源
5.3.4 小结
5.4 分布式压力测试工具JMeter
5.4.1 部署JMeter集群
5.4.2 小结
5.5 测试K8s的性能
5.5.1 测试方法
5.5.2 Kubemark简介
5.5.3 Kubemark部署
5.5.4 小结
5.6 本章总结
第6章稳定性测试与监控
6.1 什么是稳定性测试
6.2 List-Watch
6.2.1 K8s的控制器模型
6.2.2 List-Watch简介
6.2.3 小结
6.3 构建事件监控组件
6.3.1 Pod与容器的状态
6.3.2 Pod的Condition和Phase
6.3.3 获取异常容器
6.3.4 获取异常信息
6.3.5 NPD
6.3.6 小结
6.4 持续性观测
6.4.1 自定义Exporter
6.4.2 服务可用时间
6.4.3 业务巡检与Pushgateway
6.4.4 小结
6.5 Operator
6.5.1 什么是Operator
6.5.2 Prometheus Operator
6.5.3 小结
6.6 本章总结
第7章边缘计算
7.1 什么是边缘计算
7.1.1 云计算的不足
7.1.2 就近计算的设计
7.1.3 小结
7.2 K8s与边缘计算
7.2.1 边缘自治
7.2.2 分布式健康检查
7.2.3 边缘调度
7.2.4 就近计算
7.2.5 边缘灰度
7.2.6 边缘存储
7.2.7 小结
7.3 核心测试场景
7.3.1 边缘计算的容量测试
7.3.2 边缘计算的高可用测试
7.3.3 数据通信测试
7.3.4 调度测试
7.3.5 小结
7.4 本章总结
第8章持续集成和持续部署
8.1 构建CI/CD系统的关键
8.1.1 CI/CD与流水线
8.1.2 规模扩大带来的挑战
8.1.3 高度自动化的工程能力
8.1.4 小结
8.2 Jenkins流水线
8.2.1 流水线基础
8.2.2 多分支流水线
8.2.3 Jenkins共享库
8.2.4 小结
8.3 K8s中的CI/CD
8.3.1 Jenkins与Docker
8.3.2 Jenkins与K8s
8.3.3 小结
8.4 环境治理
8.4.1 环境的隔离级别
8.4.2 K8s中的资源隔离
8.4.3 在K8s中实现逻辑隔离
8.4.4 Helm
8.4.5 小结
8.5 本章总结
第9章云原生与大数据
9.1 什么是大数据
9.1.1 大数据的4个特征
9.1.2 分布式存储
9.1.3 分布式计算
9.1.4 批处理和流计算
9.1.5 大数据生态
9.1.6 小结
9.2 K8s中的分布式计算
9.2.1 K8s中的存储
9.2.2 Spark Operator
9.2.3 小结
9.3 Spark基础
9.3.1 搭建本地环境
9.3.2 Spark的运行机制
9.3.3 RDD基础
9.3.4 小结
9.4 典型测试场景介绍
9.4.1 shuffle与数据倾斜
9.4.2 分区对性能的影响
9.4.3 多种数据源的对接
9.4.4 功能测试与数据质量监控
9.4.5 流计算与数据一致性
9.4.6 小结
9.5 造数工具
9.5.1 造数的难点与解决方案
9.5.2 代码实现
9.5.3 非结构化数据的构建
9.5.4 小结
9.6 本章总结

简介

版权

云原生测试实战