Gambaran umum arsitektur - Pengujian Beban Terdistribusi di AWS
Diagram arsitektur

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Gambaran umum arsitektur

Diagram arsitektur

Menerapkan solusi ini dengan parameter default akan menerapkan komponen berikut di akun AWS Anda.

Pengujian Beban Terdistribusi pada arsitektur AWS di AWS

Proses DLT MCP
catatan

CloudFormation Sumber daya AWS dibuat dari konstruksi AWS Cloud Development Kit (AWS CDK).

Alur proses tingkat tinggi untuk komponen solusi yang digunakan dengan CloudFormation template AWS adalah sebagai berikut:

  1. API penguji beban terdistribusi memanfaatkan Amazon API Gateway untuk menjalankan layanan mikro solusi (fungsi AWS Lambda).

  2. Layanan mikro menyediakan logika bisnis untuk mengelola data pengujian dan menjalankan tes.

  3. Layanan mikro ini berinteraksi dengan Amazon Simple Storage Service (Amazon S3), Amazon DynamoDB, dan AWS Step Functions untuk menyimpan detail dan hasil skenario pengujian serta mengatur eksekusi pengujian.

  4. Topologi jaringan Amazon Virtual Private Cloud (Amazon VPC) disebarkan berisi kontainer Amazon Elastic Container Service (Amazon ECS) solusi yang berjalan di AWS Fargate.

  5. Wadah menggunakan gambar dasar Amazon Linux 2023 dengan kerangka pengujian beban Taurus diinstal. Taurus adalah kerangka kerja otomatisasi pengujian open-source yang mendukung JMeter, K6, Locust, dan alat pengujian lainnya. Gambar kontainer sesuai dengan Open Container Initiative (OCI) dan dihosting oleh AWS di repositori publik Amazon Elastic Container Registry (Amazon ECR). Untuk informasi selengkapnya, lihat kustomisasi gambar Container.

  6. Konsol web yang didukung oleh AWS Amplify diterapkan ke dalam bucket S3 yang dikonfigurasi untuk hosting web statis.

  7. Amazon CloudFront menyediakan akses publik yang aman ke konten bucket situs web solusi.

  8. Selama konfigurasi awal, solusi membuat peran administrator default (peran IAM) dan mengirimkan undangan akses ke alamat email pengguna yang ditentukan pelanggan.

  9. Kumpulan pengguna Amazon Cognito mengelola akses pengguna ke konsol, API penguji beban terdistribusi, dan Server MCP.

  10. Setelah menerapkan solusi ini, Anda dapat menggunakan konsol web atau APIs untuk membuat dan menjalankan skenario pengujian yang menentukan serangkaian tugas.

  11. Layanan mikro menggunakan skenario pengujian ini untuk menjalankan tugas ECS di Fargate di Wilayah yang ditentukan.

  12. Ketika pengujian selesai, solusi menyimpan hasil di S3 dan DynamoDB dan mencatat output di Amazon. CloudWatch

  13. Jika Anda mengaktifkan opsi data langsung, solusi akan mengirimkan CloudWatch log dari tugas Fargate ke fungsi Lambda selama pengujian untuk setiap Wilayah tempat pengujian dijalankan.

  14. Fungsi Lambda menerbitkan data ke topik yang sesuai di AWS IoT Core di Wilayah tempat tumpukan utama digunakan. Konsol web berlangganan topik dan menampilkan data waktu nyata saat pengujian berjalan.

    catatan

    Langkah-langkah berikut menjelaskan integrasi MCP Server opsional untuk analisis pengujian beban berbantuan AI. Komponen ini hanya digunakan jika Anda memilih opsi MCP Server selama penerapan solusi.

  15. Klien MCP (alat pengembangan AI) terhubung ke titik akhir AWS AgentCore Gateway untuk mengakses data solusi Pengujian Beban Terdistribusi melalui Protokol Konteks Model. AgentCore Gateway memvalidasi token otentikasi Cognito pengguna untuk memastikan akses resmi ke server MCP.

  16. Setelah otentikasi berhasil, AgentCore Gateway meneruskan permintaan alat MCP ke fungsi Lambda Server MCP DLT. Fungsi Lambda mengembalikan data terstruktur ke AgentCore Gateway, yang mengirimkannya kembali ke klien MCP untuk analisis dan wawasan yang dibantu AI.

  17. Fungsi Lambda memproses permintaan dan menanyakan sumber daya AWS yang sesuai (tabel DynamoDB, bucket S3, atau CloudWatch log) untuk mengambil data pengujian beban yang diminta.