最近需要对再次对服务器进行压力测试，这里整一下最近学习到的估算方案和估算方式。以下估算方式没有考虑类似于秒杀这种极端情况。

并发值估算

1.1 经典公式

一般来说，利用以下经验公式进行估算系统的平均并发用户数和峰值数据

• 1）平均并发用户数为 C = nL/T
• 2）并发用户数峰值 C‘ = C + 3*根号C

C是平均并发用户数，n是login session的数量，L是login session的平均长度，T是值考察的时间长度

C'是并发用户数峰值

如用外卖点餐APP套入这个公式计计算下并发用户数100W用户下并发用户数大致范围：

假设外卖APP有100W个用户，而日活用户假设占12.5%即12.5W个日活用户，而每个日活用户打开APP到点餐平均时间大概为5分钟，而假设早上8点到晚上12点都会有用户使用该APP。则可以计算出一个值：

平均并发用户数C=125000*5/16*60=651
并发用户数峰值C`=651+3*根号 651=726

上面即为经典公式计算出的并发用户数，但看起来和实际情况可能有差异。

作为外卖APP大部分人都会在高峰期进行点餐，所以对于外卖APP这类应该单独进行考虑。

我们采用2/8原则来估算并发用户数，即80%的用户数会在高峰期点餐，而高峰期设定为11-12,17-19点一共5个小时，在这种情况下估算并发用户数：

平均并发用户数C=125000*5*0.8/5*60=1666
并发用户数峰值C`=1666+3*根号 1666=1788

1.2通用公式

对绝大多数场景，可以用（用户总量/统计时间）*影响因子（一般为3）来进行估算并发量。

比如，以乘坐地铁为例子，每天乘坐人数为5万人次，每天早高峰是7到9点，晚高峰是6到7点，根据8/2原则，80%的乘客会在高峰期间乘坐地铁，则每秒到达地铁检票口的人数为5000080%/（36060）=3.7，约4人/S，考虑到安检，入口关闭等因素，实际堆积在检票口的人数肯定比这个要大，假定每个人需要3秒才能进站，那实际并发应为4人/s3s=12，当然影响因子可以根据实际情况增大！

所以物联网设备其实是可以考虑为通用设备。

在比较极端的情况下考虑，100万个设备其中95%均为日活设备即95W，且假设其中80%的设备都会在3个小时内访问服务器(高峰期)，则可以推算并发设备数。

950000*0.8/（3*60*60）=70/s

因物联网设备的不确定性较高，我们将影响因子设置为5

.70*5=350 即活跃设备数在每秒为350个。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。