前幾天聊過，pv 和併發 的概念，也大概解釋了 併發，頻寬等指標的計算。感興趣的朋友，可以看看我前面那篇文章：《聊一聊PV和併發》。今天再來聊一聊容量預估。

電商公司的朋友，，這樣的場景是否似曾相識：

運營和產品神祕兮兮的跑過來問：

我們晚上要做搞個促銷，伺服器能抗住麼？如果扛不住，需要加多少臺機器？

於是，技術一臉懵逼。

其實，這些都是系統容量預估的問題，容量預估是架構師必備的技能之一。所謂，容量預估其實說白了就是，系統在down掉之前，所能承受的最大流量。這個事技術人員對於系統性能了解的重要指標。常見的容量評估包括流量、併發量、頻寬、CPU,記憶體 ,磁碟等一系列內容。今天就來聊一聊容量預估的問題。

一，幾個重要引數

QPS：每秒鐘處理的請求數

併發量： 系統同時處理的請求數

響應時間： 一般取平均響應時間

很多人經常會把併發數和QPS 混淆，理解了上面三個要素的意義之後，就能推算出它們之間的關係：QPS = 併發量 / 平均響應時間。

二，容量評估的步驟與方法

1：預估總訪問量

如何知道總訪問量？對於一個運營活動的訪問量評估，或者一個系統上線後PV的評估，有什麼好的方法？

最簡單的辦法就是：詢問業務方，詢問運營同學，詢問產品同學，看產品和運營對此次活動的流量預估。

不過，業務方對於流量的預估，應該就兩個指標，pv 和 使用者訪問數。技術人員 需要更具這兩個資料，計算其他相關指標，比如 QPS 等。具體如何計算可參照我前面一篇 pv和併發 的文章。

2：預估平均QPS

總請求數 = 總PV * 頁面衍生連線數

平均QPS = 總請求數 / 總時間

比如：活動落地頁1小時內的總訪問量是30w pv，該落地頁的衍生連線數為30，那麼落地頁的平均QPS

30w * 30) /(60 * 60) = 2500，

3：預估峰值QPS

系統容量規劃時，不能只考慮平均QPS，而是要抗住高峰的QPS，如何評估峰值QPS呢？

這個要根據實際的業務評估，通過以往的一些營銷活動的 pv 等資料進行預估。一般情況，峰值QPS大概是均值QPS的3-5倍，日均QPS為1000，於是評估出峰值QPS為5000。

4：預估系統、單機極限QPS

如何預估一個業務，一個伺服器單機的極限QPS呢？

這個效能指標，是伺服器，最基本的指標之一，所以沒有其他的辦法，就是壓力測試。通過壓力測試，算出伺服器的單機極限QPS 。

在一個業務上線前，一般都需要進行壓力測試（很多創業型公司，業務迭代很快的系統可能沒有這一步，那就悲劇了），以APP 推送 某營銷活動為例（預計 日均QPS 1000，峰值QPS 5000），業務場景可能是這樣的：

1）通過 APP 推送一個活動訊息

2）運營活動H5落地頁是一個web站點

3）H5落地頁由快取cache、資料庫db中的資料拼裝而成

通過壓力測試發現，web 伺服器 單機只能抗住1200的QPS，cache和資料庫db 能抗住併發壓力，（一般來說，1%的流量到資料庫，資料庫120 QPS還是能輕鬆抗住的，cache的話QPS能抗住，需要評估cache的頻寬，這裡假設cache不是瓶頸），這樣，我們就得到了web單機極限的QPS是1200。一般來說，生產系統不會跑滿到極限的，這樣容易影響伺服器的壽命和效能，單機線上允許跑到QPS 1200 * 0.8 = 960 。

擴充套件說一句，通過壓力測試，已經知道web層是瓶頸，則可針對web 相關的做一些調整優化，以提高web 伺服器 的單機QPS 。

還有，壓力測試工作中，一般是以具體業務的角度進行壓力測試，關心的是某個具體業務的併發量和QPS。

5：回答最開始那兩個問題

需要的機器 = 峰值QPS / 單機極限 QPS

好了，上述已經得到了峰值QPS是5000，單機極限QPS是1000，線上部署了3臺伺服器：

（1）伺服器能抗住麼？ -> 峰值5000，單機1000，線上3臺，扛不住

（2）如果扛不住，需要加多少臺機器？ -> 需要額外2臺，提前預留1臺更好，給3臺保險

三，最後

需要注意的是，以上都是計算單個伺服器或是單個叢集的容量，實際生產環境是由web, 訊息佇列，快取，資料庫 等等一系列組成的複雜叢集。在分散式系統中，任何節點出現瓶頸，都有可能導致雪崩效應，最後整個叢集垮掉 （“雪崩效應”指的是系統中一個小問題會逐漸擴大，最後造成整個叢集宕機）。所以，要了解規劃整個平臺的容量，就必須計算出每一個節點的容量。找出任何可能出現的瓶頸所在。