最近需要對再次對服務(wù)器進(jìn)行壓力測試，這里整一下最近學(xué)習(xí)到的估算方案和估算方式。以下估算方式?jīng)]有考慮類似于秒殺這種極端情況。

并發(fā)值估算

1.1 經(jīng)典公式

一般來說，利用以下經(jīng)驗(yàn)公式進(jìn)行估算系統(tǒng)的平均并發(fā)用戶數(shù)和峰值數(shù)據(jù)

• 1）平均并發(fā)用戶數(shù)為 C = nL/T
• 2）并發(fā)用戶數(shù)峰值 C‘ = C + 3*根號(hào)C

C是平均并發(fā)用戶數(shù)，n是login session的數(shù)量，L是login session的平均長度，T是值考察的時(shí)間長度

C'是并發(fā)用戶數(shù)峰值

如用外賣點(diǎn)餐APP套入這個(gè)公式計(jì)計(jì)算下并發(fā)用戶數(shù)100W用戶下并發(fā)用戶數(shù)大致范圍：

假設(shè)外賣APP有100W個(gè)用戶，而日活用戶假設(shè)占12.5%即12.5W個(gè)日活用戶，而每個(gè)日活用戶打開APP到點(diǎn)餐平均時(shí)間大概為5分鐘，而假設(shè)早上8點(diǎn)到晚上12點(diǎn)都會(huì)有用戶使用該APP。則可以計(jì)算出一個(gè)值：

平均并發(fā)用戶數(shù)C=125000*5/16*60=651
并發(fā)用戶數(shù)峰值C`=651+3*根號(hào) 651=726

上面即為經(jīng)典公式計(jì)算出的并發(fā)用戶數(shù)，但看起來和實(shí)際情況可能有差異。

作為外賣APP大部分人都會(huì)在高峰期進(jìn)行點(diǎn)餐，所以對于外賣APP這類應(yīng)該單獨(dú)進(jìn)行考慮。

我們采用2/8原則來估算并發(fā)用戶數(shù)，即80%的用戶數(shù)會(huì)在高峰期點(diǎn)餐，而高峰期設(shè)定為11-12,17-19點(diǎn)一共5個(gè)小時(shí)，在這種情況下估算并發(fā)用戶數(shù)：

平均并發(fā)用戶數(shù)C=125000*5*0.8/5*60=1666
并發(fā)用戶數(shù)峰值C`=1666+3*根號(hào) 1666=1788

1.2通用公式

對絕大多數(shù)場景，可以用（用戶總量/統(tǒng)計(jì)時(shí)間）*影響因子（一般為3）來進(jìn)行估算并發(fā)量。

比如，以乘坐地鐵為例子，每天乘坐人數(shù)為5萬人次，每天早高峰是7到9點(diǎn)，晚高峰是6到7點(diǎn)，根據(jù)8/2原則，80%的乘客會(huì)在高峰期間乘坐地鐵，則每秒到達(dá)地鐵檢票口的人數(shù)為5000080%/（36060）=3.7，約4人/S，考慮到安檢，入口關(guān)閉等因素，實(shí)際堆積在檢票口的人數(shù)肯定比這個(gè)要大，假定每個(gè)人需要3秒才能進(jìn)站，那實(shí)際并發(fā)應(yīng)為4人/s3s=12，當(dāng)然影響因子可以根據(jù)實(shí)際情況增大！

所以物聯(lián)網(wǎng)設(shè)備其實(shí)是可以考慮為通用設(shè)備。

在比較極端的情況下考慮，100萬個(gè)設(shè)備其中95%均為日活設(shè)備即95W，且假設(shè)其中80%的設(shè)備都會(huì)在3個(gè)小時(shí)內(nèi)訪問服務(wù)器(高峰期)，則可以推算并發(fā)設(shè)備數(shù)。

950000*0.8/（3*60*60）=70/s

因物聯(lián)網(wǎng)設(shè)備的不確定性較高，我們將影響因子設(shè)置為5

.70*5=350 即活躍設(shè)備數(shù)在每秒為350個(gè)。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論