本技术涉及云桌面测试，特别是涉及一种云桌面压力测试方法、装置、计算机设备和存储介质。
背景技术：
1、随着企业信息化的不断深入，桌面虚拟化技术作为一种高效、灵活、可远程访问的桌面解决方案，被广泛应用于企业办公、远程教育、移动办公等多个领域。虚拟桌面允许用户通过任意终端设备，在任意地点、任意时间访问自己的工作环境，极大地提升了工作效率和灵活性。然而，随着用户规模的扩大和业务复杂度的提升，云桌面的性能稳定性和承载能力面临着前所未有的挑战。
2、现有的云桌面压力测试技术主要依赖于传统的性能测试工具，如stress-ng和iperf等，这些工具虽然能够对计算资源(cpu、内存)、存储资源和网络资源进行单独的压力测试，但存在诸多局限性。首先，它们无法实现对所有资源的同时压测，无法全面模拟云桌面在真实生产环境下的负载情况；其次，由于不同用户使用场景和时间段的负载压力差异显著，人为统计需要长时间的监测数据，且只能反映某一时间段的平均压力值，无法实时动态地反映系统性能的变化；最后，这些工具通常需要手动输入运行参数，操作复杂且效率低下，难以满足大规模、多场景下的云桌面压力测试需求。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够全面模拟真实负载，实时动态反映系统性能变化，提高测试效率和自动化程度的一种云桌面压力测试方法、装置、计算机设备和存储介质。
2、一方面，提供一种云桌面压力测试方法，所述方法包括：
3、获取系统日志和操作日志，得到系统资源数据和操作记录数据；
4、根据所述系统资源数据和操作记录数据，进行映射处理，得到系统压力与测试参数关系式；其中，所述系统压力与测试参数关系式包括常态映射关系式与修正因子式；
5、通过大模型自监督学习，对所述系统压力与测试参数关系式进行拟合，得到拟合后的系统压力与测试参数关系式；
6、根据待测云桌面信息，得到待测资源数据，调用所述拟合后的系统压力与测试参数关系式，生成指导测试参数；
7、根据所述指导测试参数，调用集成测试工具，进行云桌面压力测试。
8、在其中一个实施例中，根据所述系统资源数据和操作记录数据，进行映射处理，得到系统压力与测试参数关系式，包括：
9、根据所述系统资源数据，进行系统压力度计算，得到系统压力度；
10、根据所述系统压力度，将所述系统资源状态划分为常规态和偶发态，将所述操作记录数据对应划分为常规态和偶发态；
11、根据常规态下的所述系统资源数据和对应的所述操作记录数据，得到常态映射关系式；根据偶发态下的所述系统资源数据，得到修正因子式。
12、在其中一个实施例中，调用拟合后的所述系统压力与测试参数关系式，生成所述指导测试参数，包括：
13、根据待测云桌面信息，得到待测资源数据；
14、进行系统压力度计算，得到待测系统压力度；
15、基于所述待测系统压力度将所述待测资源数据划分为常规态和偶发态；
16、其中，当所述待测资源数据为常规态时，所述待测系统压力度为目标压力度；当所述待测资源数据为偶发态时，根据所述修正因子式对所述待测系统压力度进行修正，将修正后的待测系统压力度作为目标压力度；
17、根据所述目标压力度，基于所述常态映射关系式，生成指导测试参数。
18、在其中一个实施例中，还包括：
19、所述系统资源数据包括：cpu资源数据、内存资源数据、磁盘i/o资源数据、带宽资源数据；
20、根据所述系统资源数据，进行系统压力度计算包括：
21、根据所述cpu资源数据，得到cpu影响值；
22、根据所述内存资源数据，得到内存影响值；
23、根据所述磁盘i/o资源数据，得到磁盘影响值；
24、根据所述带宽资源数据，得到带宽影响值；
25、根据所述cpu影响值、所述内存影响值、所述磁盘影响值和所述带宽影响值，得到系统压力度；
26、其中，
27、所述cpu影响值基于cpu影响函数计算得到，所述cpu影响函数为：
28、
29、其中，f(tcpu)是cpu影响值，tcpu是cpu利用率，a是线性增长的影响系数，b是非线性增长的影响系数，c是控制初期阶段增长率的对数项系数；
30、所述内存影响值基于内存影响函数得到，所述内存影响函数为：
31、
32、其中，f(tmemory)是内存影响值，tmemory是内存占用率，d是内存的线性影响系数，e是内存的非线性影响系数；tmemthreshold是内存占用率的占用阈值；(tmemory-tmemthreshold)+是relu函数，指仅考虑内存占用率超出占用阈值的部分；f和g分别是内存占用率超出占用阈值部分的线性和指数增幅系数；
33、所述磁盘影响值基于磁盘影响函数得到，所述磁盘影响函数为：
34、
35、其中，f(disk)是磁盘影响值，iodisk是磁盘i/o容量，iomax是磁盘最大i/o容量，表示磁盘i/o利用率；h是磁盘i/o对数模型的影响系数，i是磁盘i/o利用率的影响系数，j是磁盘i/o利用率的非线性影响系数；
36、所述带宽影响值基于带宽影响函数得到，所述带宽影响函数为：
37、
38、其中，f(bandwidth)是带宽影响值，traffic是网络流量，bandwidthmax是最大带宽，表示带宽使用率；k是带宽使用率的影响系数，m是带宽利用率的非线性影响系数，n是带宽对数模型的影响系数；
39、所述系统压力度基于系统压力度公式得到，所述系统压力度公式为：
40、s＝α·f(tcpu)+β·f(tmemory)+γ·f(disk)+δ·f(bandwidth)
41、其中，s是系统压力度，f(tcpu)是cpu影响值，f(tmemory)是内存影响值，f(disk)是磁盘影响值，f(bandwidth)是带宽影响值；α、β、γ、δ分别是cpu资源、内存资源、磁盘i/o资源和带宽资源对于系统压力度的影响权重。
42、在其中一个实施例中，根据所述系统压力度，将所述系统资源状态划分为常规态和偶发态，将所述操作记录数据对应划分为常规态和偶发态，包括：
43、设定常态阈值，当所述系统压力度在所述常态阈内时，设定系统资源状态为常规态，当所述系统压力度在所述常态阈外时，设定系统资源状态为偶发态；
44、其中，常态阈值的设定包括：
45、获取一个检测周期内的所述系统资源数据，确定若干项评估指标；其中，若干项所述评估指标包括：cpu利用率、磁盘i/o利用率、带宽利用率、内存占用率；
46、根据若干项评估指标，基于对应的均值和标准差计算对应评估指标的评估阈值；其中，评估阈值的计算公式为：thresholdresource＝μresource+p×σresource，其中，thresholdresource为当前评估指标的初始阈值，μresource为当前评估指标的均值，σresource为当前评估指标的标准差，p是捕获常数；
47、综合若干项评估指标的评估阈值，得到常态阈值；
48、每隔若干个检测周期，对常态阈值进行重新计算；
49、其中，常态阈值的得到基于公式：
50、sthreshold＝α×thresholdcpu+β×thresholdmemory+γ×thresholddisk+δ×thresholdbandwidth；其中，sthreshold为系统压力度的常态阈值，thresholdcpu、thresholdmemory、thresholddisk、thresholdbandwidth分别是cpu利用率的评估阈值、内存占用率的评估阈值、磁盘i/o利用率的评估阈值、带宽利用率的评估阈值，α、β、γ、δ分别是cpu资源、内存资源、磁盘i/o资源和带宽资源对于系统压力度的影响权重。
51、在其中一个实施例中，还包括：
52、所述操作记录数据包括：操作时间戳、操作类型、操作参数；
53、所述系统资源数据进一步包括：cpu利用率、内存占用率、磁盘i/o利用率、带宽使用率；
54、根据常规态下的所述系统资源数据和对应的所述操作记录数据，得到常态映射关系式；包括：
55、将所述操作记录数据按照操作类型划分为若干同类操作；
56、获取若干所述同类操作的操作参数和操作时间戳，以及分别对应影响的所述系统资源数据；
57、根据若干所述同类操作的操作参数和操作时间戳对所述系统压力度的影响关系，得到所述常态映射关系式；
58、其中，根据若干所述同类操作的操作参数和操作时间戳对所述系统压力度的影响关系，得到所述常态映射关系式，进一步包括：
59、根据单个所述同类操作的操作参数和操作时间戳对于所述系统压力度的影响，进行一级映射，得到一级映射式；
60、根据任意两个组合的所述同类操作并发时对于所述系统压力度的影响，进行二级混合映射，得到二级映射式；
61、根据全部所述同类操作并发时对于所述系统压力度的影响，进行三级混合映射，得到三级映射式；
62、整合所述一级映射式、所述二级映射式和所述三级映射式，得到常态映射关系式。
63、在其中一个实施例中，还包括：
64、所述系统资源数据进一步包括：进程数量、响应时间、错误数量、磁盘i/o速率；
65、根据偶发态下的所述系统资源数据，得到修正因子式，包括：
66、根据偶发态时的所述系统资源数据的异常表现项，得到偶发态特征，确定系统处于的偶发态；
67、根据偶发态特征，建立构建对应的修正因子模型，确定所述偶发状态对于系统压力度的影响程度；其中，构建所述修正因子模型基于的修正因子式为：
68、fcorrection(s,δ)＝θ·(s-sthreshold)+τ·gstate(δ)
69、；其中，fcorrection(s,δ)为修正因子；s为当前系统压力度；sthreshold时系统压力度常态阈值；θ是偶发态修正系数；δ是系统状态当前偶发态特征，至少包括资源超限、网络中断、高并发、磁盘损坏、内存爆满中的一种；gstate(δ)为当前偶发态的状态影响函数，根据不同偶发状态调整压力度；τ是当前偶发态影响函数的修正系数。
70、另一方面，提供了一种云桌面的压力测试装置，所述装置包括：
71、日志获取模块，用于获取系统日志和操作日志，得到系统资源数据和操作记录数据；
72、映射处理模块，用于根据所述系统资源数据和操作记录数据，进行映射处理，得到系统压力与测试参数关系式；其中，所述系统压力与测试参数关系式包括常态映射关系式与修正因子式；
73、自监督学习大模型模块，用于接收所述系统压力与测试参数关系式，进行自监督学习，得到拟合后的所述系统压力与测试参数关系式；
74、测试参数生成模块，用于根据待测云桌面信息，得到待测资源数据，调用拟合后的所述系统压力与测试参数关系式，生成指导测试参数；
75、测试执行模块，根据所述指导测试参数，调用集成测试工具，进行云桌面压力测试。
76、再一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
77、获取系统日志和操作日志，得到系统资源数据和操作记录数据；
78、根据所述系统资源数据和操作记录数据，进行映射处理，得到系统压力与测试参数关系式；其中，所述系统压力与测试参数关系式包括常态映射关系式与修正因子式；
79、通过大模型自监督学习，对所述系统压力与测试参数关系式进行拟合，得到拟合后的系统压力与测试参数关系式；
80、根据待测云桌面信息，得到待测资源数据，调用所述拟合后的系统压力与测试参数关系式，生成指导测试参数；
81、根据所述指导测试参数，调用集成测试工具，进行云桌面压力测试。
82、又一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
83、获取系统日志和操作日志，得到系统资源数据和操作记录数据；
84、根据所述系统资源数据和操作记录数据，进行映射处理，得到系统压力与测试参数关系式；其中，所述系统压力与测试参数关系式包括常态映射关系式与修正因子式；
85、通过大模型自监督学习，对所述系统压力与测试参数关系式进行拟合，得到拟合后的系统压力与测试参数关系式；
86、根据待测云桌面信息，得到待测资源数据，调用所述拟合后的系统压力与测试参数关系式，生成指导测试参数；
87、根据所述指导测试参数，调用集成测试工具，进行云桌面压力测试。
88、上述云桌面的压力测试方法、装置、计算机设备和存储介质，通过获取系统资源数据和操作记录数据，进行系统压力与测试参数关系式的构建，通过常态映射关系式与修正因子式的结合，不仅考虑了常规状态下的系统资源使用情况，还进一步考虑了高并发等偶发状态下的系统资源的状态修正，从而实现全面模拟云桌面的真实负载情况；进一步的，利用大模型自监督学习技术对系统压力与测试参数关系式进行拟合，能够自动捕捉系统性能随测试参数变化的规律，提高生成的测试参数的准确性，从而精确反映当前系统状态下的性能需求，实时动态地反映系统性能的变化；此外，本发明实现了从日志获取到测试参数生成、再到压力测试执行的全程自动化，提高了自动化程度，同时，基于拟合后的系统压力与测试参数关系式自动生成指导测试参数，避免了手动输入运行参数的繁琐过程，大大提高了测试效率。
1.一种云桌面压力测试方法，其特征在于，包括：
2.根据权利要求1所述的一种云桌面压力测试方法，其特征在于，根据所述系统资源数据和操作记录数据，进行映射处理，得到系统压力与测试参数关系式，包括：
3.根据权利要求2所述的一种云桌面压力测试方法，其特征在于，调用拟合后的所述系统压力与测试参数关系式，生成所述指导测试参数，包括：
4.根据权利要求2所述的一种云桌面压力测试方法，其特征在于：所述系统资源数据包括：cpu资源数据、内存资源数据、磁盘i/o资源数据、带宽资源数据；
5.根据权利要求2所述的一种云桌面压力测试方法，其特征在于，根据所述系统压力度，将所述系统资源状态划分为常规态和偶发态，将所述操作记录数据对应划分为常规态和偶发态，包括：
6.根据权利要求4所述的一种云桌面压力测试方法，其特征在于，所述操作记录数据包括：操作时间戳、操作类型、操作参数；
7.根据权利要求6所述的一种云桌面压力测试方法，其特征在于：所述系统资源数据进一步包括：进程数量、响应时间、错误数量、磁盘i/o速率；
8.一种云桌面的压力测试装置，其特征在于，所述装置包括：
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
