光の技术屋

2023年ChatGPT系列的问世，可谓是对整个世界的人类造成了冲击。在此之前，人们最多以为AI能够做的事情，主要是下棋玩游戏，但是对话模型AI的到来，造成的效果，是AI具备了和人交流的能力，能够理解人类语言，通过其它AI工作流，自动整合资料，生成人类想要的内容。也就是说，AI可以从事人类的工作了。

很多程序员同行开始恐慌，自己的工作是否会被这类AI所替代，笔者的答案是——不应该会。对于AI，拥抱它的能力，把关它的成果，才是人类程序员需要做的事情，而不是说强行去杠AI的长处。脑细胞再怎么多，大脑也就这么大，而且人类还要生活，管理情绪，大脑不可能100%专注到一个工作。在工作执行方面，AI必然超越人类，但在工作内容把控方面，一切应该由人类定义。如果说你作为一个程序员，过分沉浸在一些八股文知识里，不去构建自己的思维体系，那么从编程工作本身的角度考虑，可怕的不仅是你很难做出更有质量的程序，更甚的是这些工作都正好能被ChatGPT代替掉。这类八股文程序员，才是ChatGPT真正会给到冲击的对象。

在2022年，阿里出品了一本《阿里测试之道》，讲述在阿里电商、物流、金融、大数据等业务场景下，测试活动业务层面是如何开展，以及技术层面是如何实现的。笔者有幸拜读此书，从其中也有所收获。本次以其中涉及电商的测试场景为例，记录一下“大促质量保障”一章的读书笔记。这一章主要讲述了在大促场景下，全链路压测是如何实施的，以及通过什么方式保证最终大促时的生产环境稳定性。

风险与挑战

全链路压测目标：尽可能真实模拟流量洪峰，进行高可用验证
用例场景需要考虑两个方面：

在Golang的各种用法当中，context可谓是最能够体现Golang语言特性的模块之一。context的本意为情境、上下文，而在Golang程序当中，则可以被用于描述一次调用、会话或者任务的状态信息。关于context网上有很多语法以及源码分析的文档，但是里面很多却不能从实战场景体现context的作用，导致这个概念难以理解。因此这一回，经由踩坑context后，笔者将结合自己的理解，给大家讲述context在Golang怎么用来最为方便，怎么理解最为实用。

首先来了解一下什么是context。我们先走源码：

1
2
3
4
5
6

type Context interface {
    Deadline() (deadline time.Time, ok bool)
    Done() <-chan struct{}
    Err() error
    Value(key any) any
}

在源码定义中可以看到，context模块给开发者定义了一个接口约定Context。在先前关于接口的文章中有提到，接口本身定义的是一个实体可以做的行为，那么我们初步理解context的时候，就可以通过Context的定义，知道一个Context可以干什么。

假设一个Context实例ctx，关联到了一次会话，作为当次会话的情境。根据代码定义，Context可以做以下几种行为：

在很久以前的Easy Python系列中，介绍了通过爬虫手段爬取豆瓣电影信息的一种技术套路。今天故技重施，为了迎合先前做SQL语句分析的需要，决定爬取w3schools网站上面所有SQL案例，用作测试用例。

本文就来详细讲述，爬取w3schools网站的实现方式，以及里面需要注意的一些点。代码统一放在这里。

在Golang的实战中，总会遇到一些场景，比如抓包分析sql指纹，或者是输入sql时检查sql的风险，这类操作都需要解析sql的工具才能够生效。今天，就来介绍一些Golang当中解析sql的工具包和使用方法。

本文介绍的工具是vitess-sqlparser，主要结合了两个sql解析工具：

• xwb1989/sqlparser
• tidbparser

其中，xwb1989/sqlparser项目支持的功能有限，尤其对于DDL没有很好的支持，而tidbparser则功能比较全面。下面以tidbparser为例，讲述一下解析以及分析sql里DDL语句的一种方式。

代码相关写法可以查看这篇文章。首先，我们先自定义一个要验证的DDL语句：

和许多面向对象的编程语言一样，Golang也存在interface接口这样的概念。interface相当于是一个中间层，下游只需要关心interface实现了什么行为，利用这些行为做些业务级别事情，而上游则负责实现interface，把这些行为具象化。本文就来通过一个简单的缓存cache模块的实现，来示范一下Golang的interface该怎么用。

首先，从业务service角度而言，一个cache模块可能需要以下几种方法：

• 获取缓存中的某个值
• 缓存数据，加缓存时效
• 删除缓存内容

那么这些个方法，就可以用一类叫Cache的interface来表示：

很多同学在自己机器上玩开发的时候，都会用到VMWare、VirtualBox之类的虚拟OS容器装一个带GUI的Linux OS，然后在里面另外安装开发工具做开发。这里面遇到的最经典问题，就是比如我在虚拟机里面起了个MySQL、Redis之类的服务，如果DB的客户端/GUI工具是放在主机里面，不在虚拟机里，那怎么连进去？这个问题，本文提供一种解决方案。

本文采取的虚拟机环境如下：

• 主机：Win11
• 虚拟机容器：VMWare Workstation 16
• 虚拟机：Ubuntu 22.04

首先需要了解到，VMWare场景下，我们通常用NAT模式新开一个网段来管理虚拟机的网络配置，而虚拟机内部，假设使用IPV4，会默认采取DHCP机制，自动设置一个IP跟相应的网络配置。相关资料可以看这几篇文档：

• 网络中的NAT模式
• DHCP百度百科

而为了让我们主机能连到虚拟机内部，实际上是满足下面两个条件之一即可：

在应用日常开发的过程中，不论是在测试、开发联调，还是实际构建发布的时候，我们都需要一定的指标去衡量技术产物的质量，从而判断技术产物是否符合质量标准，是否能够继续发布投产，如果不符合投产标准则拦截发布。从发布过程的角度，由于一般发布过程会收口到特定的CI流水线上，因此在做这类能力的时候，通常是采用开发一个特殊的质量红线原子的方案，集成到CI流水线当中，实现发布准入准出的原子能力。

准入准出质量红线能力的开发者，通常是DevOps中台，中台提供原子能力以及配置化的能力，用户可以根据自己的业务去配置相应的指标产出与拦截规则，也可以直接套用特定的模板来快速实现准入准出的效果。本文就来讨论，这类能力要开发出来，在技术实现上，需要做怎样的考虑跟设计。

首先，针对真实业务，要用到准入准出质量红线的话，可能会考虑以下场景：

• 日常开发提测，在代码提交MR时，通过MR的hook触发对最新代码的规范检查
  • 代码检查需要关心一系列指标，包括：代码缺陷、代码安全、编码规范、重复代码、复杂度
  • 不符合指标的情况下，显示被质量红线拦截，MR被阻止
• 版本转测时，保证代码质量与单元测试代码覆盖率符合要求
  • 不符合指标的情况下，终止归档构件
• 用户采用脚本等方式，自定义发布红线指标与生成过程，不符合指标的，阻止发布流程

因此，从技术实现角度上，这里可以拆解成几个维度：

Golang的反射功能，在很多场景都会用到，最基础的莫过于rpc、orm跟json的编解码，更复杂的可能会到做另外一门语言的虚拟机。通过反射模块，我们可以在编程语言的runtime运行时期间去访问内部产生对象的信息。了解反射模块的实现，对我们了解Golang对象机制本身，也是莫大的帮助。

今天，恰逢阳康+新年，就决定来探究一下Golang的反射模块——reflect。

从最基础的开始，reflect模块，以获取整数对象的类型信息为例，我们可以这么用：

在以前写过的一篇关于游戏策划配置检查工具设计的文章里，笔者讲述了一种表格检查工具的分层设计方法，简而言之也就是两部分：

• 配置数据源服务：管理本地策划配置repo，通过自定义脚本解析repo中文件，提供实际的配置数据
• 配置数据处理服务：处理实际的配置测试业务，比如表格检查、excel-diff等等

其中，配置数据源服务，在许久以前写过一个样例的版本repomaster，
实际也就是一个管理git-repo的小服务，在这篇博客里有详细阐述实现内容。

而今天的主题则是配置数据处理服务方面的内容，笔者采纳通过配置化方式声明数据处理过程的设计，编写了一个数据聚合工具：daggre，全称为DAta-AGGREgator，专门用于处理数据的联表视图、过滤检查相关的需求。

以游戏业务测试为例，daggre的使用场景，我们可以看两个例子：