Couple Up! Love Show Story

Herausforderung

Native Games Studio wandte sich an QAwerk, um die Herausforderungen einer wachsenden Benutzerbasis zu bewältigen. Sie wollten sicherstellen, dass das Couple Up!-Spiel unter dem erheblich gestiegenen Zustrom von Spielern nicht träge oder absturzgefährdet ist.

Dies ist die Aufgabe, die wir zu erfüllen hatten:

• Lasttests. Wir mussten mehrere API-Endpunkte testen, indem wir die Serveranfragen schrittweise erhöhten und die Antwortzeit des Servers verfolgten. Lasttests helfen dabei, die maximale Betriebskapazität und die Bruchstelle der Anwendung zu ermitteln und die notwendigen Anpassungen vorzunehmen, bevor die Benutzer negative Probleme feststellen.
• Prüfung der Serverkonfiguration. Unsere Aufgabe war es, die Konfigurationen des Hetzner-Servers zu überprüfen, wie z. B. die Überprüfung von Netzwerkengpässen, der nginx-Konfiguration, die Überprüfung von Docker-Containern, Kernel- und Service-Einstellungen. Dieser Teil wurde von unserem DevOps-Ingenieur durchgeführt.
• Code-Überprüfung. Wir wurden auch gebeten, den Code des Servers zu überprüfen und auf verbesserungswürdige Bereiche hinzuweisen. Wir überprüften ihn anhand von Kriterien wie Codequalität, Fehlerbehandlung, Caching und Testbarkeit. Da der Code eine mit Flask erstellte REST-API war, wurde er von unserem leitenden Python-Entwickler überprüft.

Bevor wir mit dem Projekt fortfuhren, übermittelten wir dem Couple Up!-Team eine Einschätzung unserer Bemühungen, Klarheit und Transparenz in unsere Zusammenarbeit zu bringen. Außerdem baten wir sie, die Lücken in der API-Dokumentation zu schließen, damit wir ein genaues Verständnis der zugrunde liegenden Infrastruktur erhielten.

Lösung

Lasttest

Wir testeten einen GET- und drei POST-API-Aufrufe, um ihre Leistung unter verschiedenen Lastbedingungen zu messen. Lasttests werden in der Regel mit Hilfe eines Tools durchgeführt, das eine unterschiedliche Anzahl von Nutzern simuliert, die gleichzeitig mit Ihrer Anwendung interagieren, oder einen sequentiellen Anstieg der Anforderungen an die Anwendung. Unsere QA-Ingenieure haben sich für Apache JMeter entschieden, weil es ein zuverlässiges Open-Source-Tool ist, das speziell für schnelle und dennoch effektive Lasttests entwickelt wurde.

Ein Problem, mit dem wir konfrontiert waren, war eine unangemessene Beschreibung der API-Header. Letztere sind bei API-Tests unerlässlich, da sie Metadaten über die API-Anfrage und -Antwort enthalten. Außerdem helfen sie der API, Ihre Anfrage zu verstehen und die genauen Informationen im benötigten Format abzurufen.

Wir haben dieses Problem gelöst, indem wir ein Skript geschrieben haben, mit dem wir die Anfragen in JMeter korrekt beschreiben konnten. Nachdem wir das System, die erwartete Last und die Spitzenlast analysiert hatten, legten wir die entsprechenden Testdatenparameter fest.

Hier sind die von uns verwendeten Testfälle:

• 1 Thread (Benutzer) in 1 Sekunde hinzufügen
• Hinzufügen von 100 Threads (Benutzern) in 1 Sekunde
• 1000 Threads (Benutzer) in 10 Sek. hinzufügen
• Hinzufügen von 10000 Threads (Benutzern) in 1000 Sekunden

Wir haben die Leistung des Servers in Bezug auf die Antwortzeiten, die aktiven Threads und die internen Serverfehlerraten gemessen.

Prüfung der Serverkonfiguration

Unser Audit der Serverkonfiguration zielte darauf ab, Möglichkeiten zur Verbesserung der Serverleistung zu ermitteln. Da die Mongod-Prozesse die Hauptlast von CPU und RAM auf dem Server verursachen, sollte ihre Arbeit optimiert werden.

Wir haben dem Couple Up! Team eine Liste mit den genauen Konfigurationen, die eingerichtet werden mussten. So haben wir zum Beispiel aufgeschlüsselt, wie die Linux-Kernel-Einstellungen wie maximale Map-Anzahl, Swappiness, Dirty_ratio, maximale Anzahl der Verbindungen in der Warteschlange, lokaler Port-Bereich und einige andere in Bezug auf die erwartete Last von 50.000 Verbindungen angepasst werden können.

Um die CPU- und RAM-Belastung zu reduzieren, rieten wir unserem Kunden zu überprüfen, wie Abfragen gebildet werden, und diejenigen zu optimieren, die langsam laufen, sowie Abfragen desselben Typs zu parallelisieren. Außerdem schlugen wir vor, routinemäßig abgefragte Felder zu indizieren und neu zu indizieren und dies rechtzeitig zu tun. Mit der richtigen Indizierungsstrategie können Sie die Leistung Ihrer Datenbank erheblich steigern.

Außerdem haben wir erwähnt, welche Standardkonfigurationen geändert werden sollten und wie.

Code-Überprüfung

Das QAwerk-Team führte einen umfassenden Code-Review durch und lieferte Couple Up! schnelle und kosteneffiziente Aktionsschritte sowie wichtige architektonische Änderungen für eine langfristig bessere Leistung und Skalierbarkeit.

Wir haben die Bereiche hervorgehoben, die ein Refactoring benötigen, um den Entwicklern von Couple Up! zu helfen, den Code zu pflegen, neue Geschäftslogik hinzuzufügen und ihn in Zukunft problemlos zu skalieren. Wir wiesen auf die Notwendigkeit von Unit- und Integrationstests hin, da diese das Refactoring und die Erweiterung der Code-Basis erleichtern werden.

Außerdem empfahlen wir, die Fehlerbehandlung zu verbessern, so dass die Fehlermeldungen informativer sind und immer die richtigen Statuscodes anzeigen. Dies würde das Debuggen und Testen vereinfachen und dazu beitragen, die Kommunikation der Anwendung mit der API zu standardisieren.

Ein angemessenes Caching kann die Leistung für einen Bruchteil der Kosten im Vergleich zu einer Migration zu Amazon erheblich steigern. Deshalb haben wir unserem Kunden angeboten, Caching zu implementieren.

Nicht zuletzt ist die CI/CD-Pipeline zu nennen. Wenn häufige Releases geplant sind, ist CI/CD unerlässlich, um Fehler vor der Bereitstellung von Updates abzufangen und die Bereitstellung neuer Funktionen für die Benutzer zu beschleunigen. Daher stand die Einrichtung von CI/CD auch auf der Liste unserer Empfehlungen.