阅读量:2
通过胶水语言实现工作中测试流程并行、加速
通过胶水语言实现工作中测试流程并行、加速
尽可能自动化是计算机思维之一。一切事务尽可能pipeline化，然后再将pipeline中的环节尽可能自动化，这样在我看来就是在实践计算机思维，这种思维的养成是重要的。本篇文章是对近期工作中的一次有意思尝试的记录。
工作场景（背景）
近期遇到一个问题是工作中有一测试环节，测试周期为18个小时，且该测试动作频率较高。因此如果能够缩短测试周期，就能够更快的得到反馈和结论，为下一步动作提供数据支撑。
问题抽象（挑战）
正如优雅：从系统环境到依赖包的管理文章中提到，由于docker的便利性，开发、部署以及测试都转向了docker。此次所涉及到的测试环节，对应内涵：日常工作中docker的常用知识中的双（多）docker使用场景。
可以用下图来展示服务程序和测试程序的关系：
如何做（行动）
思想是简单的，伪代码如下：
- 将测试服务启动n个实例，测试主调也启动n个实例，测试数据也划分为n份；
- 上述操作通过胶水语言shell脚本借助tmux窗口工具实现；
基于伪代码的设计框图如下：
基于设计图，开发的对应的脚本代码，分为测试服务端和测试主调端：
# 该脚本功能为启动多个测试服务 container_name_base=sub-service network_name=test-network image_name=xxx # 这里要根据实际来填写 gpu_ids=(0 1) # 该测试服务需要gpu，每一个服务对应一块gpu ports=(30006 30007) docker network create ${network_name} # 建立一个局域网，为测试服务容器和测试主调容器使用 for i in "${!gpu_ids[@]}";do gpu_id=${gpu_ids[i]} port=${ports[i]} container_name=${container_name_base}-${port} session_name=${container_name_base}-${port} tmux new-session -d -s "${session_name}" tmux send-keys -t "${session_name}" "docker run -ti --gpus al -p ${port}:${port} --name=${container_name} \ -e PORT=${port} -e CUDA_VISIBLE_DEVICES=${gpu_id} --network=${network_name} --ipc=host \ -v /models:/models \ -v /data:/data \ -v /code:/code \ ${image_name}" C-m done # 该脚本功能为启动多个测试主调服务 sub_service_name_base=sub-service # 这个要和上一个脚本中的名字对应起来 call_service_name_base=call-service network_name=test-network # 这个要和上一个脚本中的名字对应起来 image_name=yyy # 填写对应的镜像名称 test_data_root=/test_data # 测试数据路径 dst_root=/dst # 测试结果保存路径 ports=(30006 30007) # 这个要和上一个脚本中的port号对应起来 total_num=$(ls -l "$src_root" | wc -l) worker_num=${#ports[@]} worker_size=$(((total_num + worker_num - 1) / worker_num)) for i in "${!ports[@]}"; do port=${ports[i]} sub_service_name=${sub_service_name_base}-${port} session_name=${call_service_name_base}-${port} tmux new-session -d -s "${session_name}" start_id=$((i * batch_size)) end_id=$(((i + 1) * batch_size)) if [ "$end_id" -gt "$total_num" ]; then end_id=$total_num fi tmux send-keys -t "${session_name}" "docker run -ti \ -v ${test_data_root}:/test_data \ --network=${network_name} \ --entrypoint=/bin/bash ${image_name} \ -c 'python test.py --src /test_data --dst ${dst_root} \ --start_idx ${start_id} --end_idx ${end_id}'" C-m done 获得了什么（结果）
获得n倍的测试加速比，例如在A10机器上（有16张gpu卡）将上述脚本中的worker_num设置为6，那么测试周期会从18h下降至3h。这样就可以实现当天编写代码，当天测试完毕，当天得到测试反馈。
后记
最近的一个感悟是在软件或算法开发中，应该降低编码的比重，提升需求沟通、分析、设计、建模和测试的比重。这里的比重是指重要程度，而不应简单的理解为时间。例如对于测试，其重视程度应该被重视，但应尽可能的想办法缩短测试周期。
相关资源
文章图片绘制原始drawio文件：
- https://download.csdn.net/download/u011345885/89541034
- https://download.csdn.net/download/u011345885/89541139
