压测和DDoS攻击在流量形态上经常被混为一谈,但业务系统真正需要的不是“能扛住多少G”,而是“在攻击流量下还能不能正常完成交易”。很多团队做完压测发现接口没挂,一到真实攻击却全线崩溃,原因在于压测脚本太“规矩”,攻击流量太“脏”。防御DDoS的前提,是让压测流量尽量逼近攻击模型,而不是只测带宽和QPS上限。
先区分压测目标:是测清洗设备,还是测业务系统如果你直接把DDoS攻击流量打到业务系统上,哪怕前面有高防IP或云清洗,业务系统看到的也已经是清洗后的残余流量。因此压测要拆成两层:第一层针对清洗链路,验证高防节点、抗D设备、黑洞阈值和牵引策略;第二层针对业务系统,验证在清洗后的“脏流量”混入正常请求时,登录、下单、支付、API鉴权等核心链路是否可用。两层目标不同,压测工具和指标完全不一样。
攻击流量压测不能只跑TCP连接和HTTP GET绝大多数压测工具默认产生的是规范的三次握手、完整的HTTP请求头、正常的Content-Length和合理的连接保持时间。但真实DDoS攻击中,SYN Flood只发SYN不收ACK,HTTP Flood带着随机User-Agent、随机URL参数、慢速POST、半开连接、异常分片包、伪造源IP。压测时如果只跑标准GET请求,等于让防御系统做“开卷考试”,无法暴露规则库、连接表、会话保持和异常包检测的短板。
业务系统压测要模拟“攻击残留流量”清洗设备不可能100%精确过滤,通常会有1%-5%的攻击流量穿透到源站。业务系统压测时,应混合95%正常业务请求和5%异常请求。异常请求包括:随机字符串参数、超长Cookie、重复提交、慢速读body、突发的TLS握手、不完整JSON、错误Content-Type、高频访问同一URL但参数随机。这样压出来的CPU、内存、数据库连接池、Redis命中率和错误日志才接近真实攻击场景。
压测指标不能只看RPS和响应时间DDoS防御场景下,业务系统最关键的指标是“有效交易成功率”。假设正常流量是5000 RPS,攻击流量清洗后仍有300 RPS脏流量进入源站,如果这300 RPS打满了某个接口的数据库连接池,导致正常请求排队超时,那么系统实际可用性已经归零。压测报告里必须单独统计:正常请求的成功率、P99延迟、错误类型分布、连接池耗尽次数、GC暂停时间、带宽峰值、新建连接速率。只看平均响应时间会掩盖攻击流量造成的长尾阻塞。
压测工具选择:别只用ab和JMeterab只能发简单的HTTP GET,JMeter虽然灵活但单机并发能力有限,且难以模拟畸形包和半开连接。针对DDoS攻击流量压测,建议组合使用:hping3模拟SYN Flood、UDP Flood和ICMP Flood;wrk或vegeta做HTTP正常流量基准;Locust编写自定义用户行为,混入异常请求;tcpreplay回放抓取的攻击PCAP包;Apache Bench只做最简单的连通性验证。如果条件允许,直接使用商业压测平台或云厂商的“攻击模拟”服务,能省去大量脚本编写成本。
压测前必须做好的五件事第一,确认清洗阈值。先向云厂商或IDC确认当前高防IP的触发阈值、黑洞时间和牵引方式,避免压测流量被误判为真实攻击直接黑洞。第二,准备白名单。把压测机IP加入防御白名单,否则压测流量还没到业务系统就被清洗设备拦掉,测了个寂寞。第三,备份配置。压测可能导致防火墙规则、WAF策略、限流阈值被动态调整,压测前导出所有配置,压测后对比差异。第四,准备回滚方案。一旦业务系统被压垮,要有快速摘流、降级、限流的预案。第五,通知相关团队。压测产生的告警风暴可能淹没监控系统,提前设置告警静默或单独分组。
压测脚本里必须包含的“攻击特征”要让压测流量像真实DDoS,脚本里至少加入以下元素:随机化源端口、随机化User-Agent、随机化URL查询参数、随机化Cookie值、10%的请求不发送完整Header、5%的请求在发送body时故意慢速(每秒1字节)、3%的请求发送超长URL(超过8KB)、2%的请求发送畸形JSON、1%的请求使用不支持的HTTP方法。这些特征能有效触发WAF规则、连接超时机制、请求体大小限制和异常协议检测。
分层压测的具体执行顺序第一步,先对清洗链路做“裸压测”。不经过业务系统,直接向高防IP发送混合攻击流量,观察清洗设备的处理能力、延迟增加幅度、丢包率和黑洞触发情况。第二步,对业务系统做“正常流量基准压测”。记录无攻击时各接口的RPS、P99延迟、错误率、资源占用。第三步,做“混合流量压测”。在正常流量基础上逐步混入攻击残留流量,从1%开始,每5分钟增加1%,直到业务指标出现明显劣化。第四步,做“突发攻击压测”。在正常流量稳定运行中,突然注入30秒的高强度攻击流量,观察业务系统的恢复时间和自愈能力。第五步,做“长时稳定性压测”。保持混合流量至少2小时,观察内存泄漏、连接数累积、日志文件增长、数据库慢查询堆积等长期问题。
业务系统常见的“假防御”问题很多系统在压测中表现良好,但一到真实攻击就暴露出几个典型问题。一是限流器只按IP维度限流,攻击者用海量伪造IP直接绕过。二是WAF规则只匹配已知攻击特征,对变种攻击和慢速攻击无感。三是连接池配置过大,攻击流量占满连接后正常请求无法获取连接。四是超时时间设置过长,慢速攻击能长时间占用线程资源。五是日志系统同步写盘,攻击流量产生海量日志直接拖垮磁盘IO。压测时必须针对这些“假防御”点设计专项用例。
压测后的分析重点:不要只看“扛住了”压测结束后,如果业务系统没有宕机,不代表防御有效。要重点分析:正常请求的P99延迟是否在攻击期间明显上升?错误日志中是否出现了大量超时、连接重置、503?数据库连接池是否频繁等待?Redis命中率是否下降?CPU的软中断和上下文切换是否异常升高?带宽是否被攻击流量占满导致正常响应无法及时发出?如果这些指标中任何一项出现明显劣化,说明系统只是“没死”,但用户体验已经严重受损。
用压测数据反推防御策略优化压测的真正价值在于暴露瓶颈后反向优化。例如,如果发现SYN Flood导致半开连接队列满,就调大tcp_max_syn_backlog并启用SYN Cookie;如果发现HTTP Flood打满某个接口的数据库连接,就给该接口加独立限流和缓存;如果发现慢速POST占用大量线程,就缩短body读取超时并限制最小传输速率;如果发现日志写盘成为瓶颈,就改为异步日志并设置日志采样率。每一轮压测后都要形成“问题-根因-优化-复测”的闭环。
压测频率和自动化建议DDoS攻击手法不断变化,业务系统也在持续迭代,压测不能只做一次。建议每个季度至少做一次全链路混合流量压测,每次大版本上线前做核心接口的专项压测。有条件的话,把压测脚本接入CI/CD流水线,在预发布环境自动执行基准压测和异常流量注入。生产环境的压测要选择业务低峰期,并提前准备流量切换方案。自动化压测的关键是建立基线数据,每次压测结果与历史基线对比,自动标记性能回退和新增瓶颈。
几个容易被忽略的压测细节第一,压测机本身可能成为瓶颈。单台压测机通常只能产生几十万并发连接,如果目标是要测百万级并发,需要多台压测机分布式协作,并且压测机的网络带宽、文件描述符限制、内核参数都要提前调优。第二,DNS解析不能忽略。攻击流量往往绕过DNS直接打IP,但正常业务流量依赖DNS,压测时要单独测DNS解析延迟和DNS服务器抗压能力。第三,HTTPS握手成本高,攻击者可能用大量TLS握手消耗CPU,压测时要单独测TLS握手速率和会话复用率。第四,CDN和源站之间的回源链路也可能成为瓶颈,压测时要监控回源带宽和回源连接数。
真正有效的DDoS防御压测,不是简单地“打流量看死不死”,而是用接近真实攻击的混合流量去验证清洗链路和业务系统在压力下的可用性。压测数据要能指导防御策略调整,而不是只留下一份“扛住了XX Gbps”的报告。业务系统的韧性,取决于最薄弱的那一环,压测的任务就是把那一环找出来,然后补上。
