关于“流量回放”的一些调研

使用流量回放的背景：

而随着业务增长，每次发布需要覆盖的Case越来越多，这时对所有Case都进行回归显然不太现实，人工测试也往往不能完全避免出现问题。

《携程流量回放平台实践》：https://www.infoq.cn/article/sbq4qabo851rdzbugrlw

《写成QA-流量回放系统揭秘》：https://cloud.tencent.com/developer/article/1157118

思路：流量放到测试环境回放，回放后分析系统存在的问题。包括了：接口自动化和UI自动化。流量来源：生产ElasticSearch中的日志。

【应用的场景】&【问题】：

1.测试环境回归测试——问题：1.环境要求，一些状态不对导致的报错或者异常如何区分 2.没有生产数据权限如何处理

2.生产环境发布后线上回归测试：1.对于修改部分的异常如何识别和区分 

3.压测，好处：更贴近真实流量，可直接使用生产海量的真实场景作为测试case，解决压力源的问题

【总体优点】：既有效保存了原集群流量无修改无损耗，又解决了人工构造的测试数据不能拟合生产真实场景的问题

非常适合没有逻辑改动的，云迁移，纯技术重构下的测试（测试范围难以判断准确，测试工作量巨大的情景）

【总体问题】：1.压测方面不适用于生产压力不大的企业信息化系统，不适用于生产数据敏感系统

 2.生产环境做操作的话需要有荣在恢复的基础设施做支撑

3.底层数据依赖的问题再业务数据链路长，业务场景复杂的情况下较难解决

4.系统时间是否会影响结果

《轻量级流量复制实践》：https://cloud.tencent.com/developer/article/1549540

个人实践推荐工具：goreplay工具

其他流量回放工具：TcpCopy，Nginx，sandbox-repeter（阿里今年开源）

《流量回放在RPC实战中的应用》：https://time.geekbang.org/column/article/221604

如果你经常翻阅一些技术文章的话，可能你会不止一次看到过“流量回放”这个词。我简单地介绍一下，所谓的流量就是某个时间段内的所有请求，我们通过某种手段把发送到 A 应用的所有请求录制下来，然后把这些请求统一转发到 B 应用，让 B 应用接收到的请求参数跟 A 应用保持一致，从而实现 A 接收到的请求在 B 应用里面重新请求了一遍。整个过程我们称之为“流量回放”。

酷家乐的流量回放实践：

酷家乐流量回放实践（二）：https://testerhome.com/topics/25416

《流量回放在系统重构中的测试实践》：https://www.codercto.com/a/80944.html