并发数的估算方法

并发数估算的一般方法总结

正确估算并发数能让你提前应对系统将要面对的一些压力，做好系统升级，扩容等一些准备措施，从而从容应对，保持系统的稳定，保证服务质量，例如电商网站大促，节日高峰等。下面是从网上找到的一些估算并发数的一般方法（原文http://www.51testing.com/html/93/316693-828134.html）：

一、经典公式

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

举例1，假设系统A，该系统有3000个用户，平均每天大概有400个用户要访问该系统（可以从系统日志从获得），对于一个典型用户来说，一天之内用户从登陆到退出的平均时间为4小时，而在一天之内，用户只有在8小时之内会使用该系统。

  那么，

  平均并发用户数为：C = 400*4/8 = 200

  并发用户数峰值为：C‘ = 200 + 3*根号200 = 243

二、通用公式

对绝大多数场景，我们用（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50000*80%/（3*60*60）=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/s*3s=12，当然影响因子可以根据实际情况增大！

三、根据PV计算公式

比如一个网站，每天的PV大概1000w，根据2/8原则，我们可以认为这1000w pv的80%是在一天的9个小时内完成的（人的精力有限），那么TPS为：

  1000w*80%/(9*3600)=246.92个/s,取经验因子3，则并发量应为：

  246.92*3=740

四、根据系统用户数计算

并发用户数 = 系统最大在线用户数的8%到12%

引用地址:https://www.cnblogs.com/ptw-share/p/6670042.html

   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

假设系统A，该系统有3000个用户，平均每天大概有400个用户要访问该系统（可以从系统日志从获得），对于一个典型用户来说，一天之内用户从登陆到退出的平均时间为4小时，而在一天之内，用户只有在8小时之内会使用该系统。

  那么，

  平均并发用户数为：C = 400*4/8 = 200

  并发用户数峰值为：C‘ = 200 + 3*根号200 = 243

某公司为其170000名员工设计了一个薪酬系统，员工可进入该系统查询自己的薪酬信息，但并不是每个人都会用这个系统，假设只有50%的人会定期用该系统，这些人里面有70%是在每个月的最后一周使用一次该系统，且平均使用系统时间为5分钟。

  则一个月最后一周的平均并发用户数为（朝九晚五）：

  n = 170000*0.5*0.7/5 = 11900

  C= 11900*5/60/8 = 124

  吞吐量计算为：F = Vu * R / T 单位为个/s

    F为事务吞吐量，Vu为虚拟用户数个数，R为每个虚拟用户发出的请求数，T为处理这些请求所花费的时间

  对绝大多数场景，我们用（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50000*80%/（3*60*60）=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/s*3s=12，当然影响因子可以根据实际情况增大！

  比如一个网站，每天的PV大概1000w，根据2/8原则，我们可以认为这1000w pv的80%是在一天的9个小时内完成的（人的精力有限），那么TPS为：

  1000w*80%/(9*3600)=246.92个/s,取经验因子3，则并发量应为：

  246.92*3=740

   公式为 C = (Think time + 1)*TPS

五、根据系统用户数计算：

   并发用户数 = 系统最大在线用户数的8%到12%

备注：本人目前在网上只找到了这5种，计算并发用户数的方法，其他计算方法，欢迎大家留言补充

---------------------

原文：https://blog.csdn.net/qq_23101033/article/details/74977874

例如某系统使用用户是100个，这个就是系统用户数，该系统有一个统计查询功能，最高峰在线50人，那么系统的并发数是多少？

该系统使用用户是100个，这个就是系统用户数。

最高峰值50人同时在线，只表明同时登录了这个模块，并不表示实际服务器承受的压力。因为服务器承受的压力还与具体的用户访问模式相关。这50人在线，有可能开着电脑溜达去了，有的看的别的模块等等。

并发用户：是同时执行一个操作的用户，或者是同时执行脚本的用户，这个并发在设置不同场景的时候并发的情况是不一样的，在实际的测试中需要根据具体的需求进行设计。web系统，在线不等于并发，如何计算这个并发数是个难题。这个就是设置集合点时候设置的在scenario->Rendezvous,点policy 设置的用户数。

估算并发数的公示：

（1） 计算平均的并发用户数： C = nL/T

（2） 并发用户数峰值： C’ ≈ C+3根号C

公式（1）中，C是平均的并发用户数；n是login session的数量；L是login session的平均长度；T指考察的时间段长度。

公式（2）则给出了并发用户数峰值的计算方式中，其中，C’指并发用户数的峰值，C就是公式（1）中得到的平均的并发用户数。该公式的得出是假设用户的login session产生符合泊松分布而估算得到的。

假设有一个OA系统，该系统有3000个用户，（可以看注册信息）平均每天大约有400个用户要访问该系统，（日志文件查看）对一个典型用户来说，一天之内用户从登录到退出该系统的平均时间为4小时，在一天的时间内，用户只在8小时内使用该系统。

则根据公式（1）和公式（2），可以得到：

C = 400*4/8 = 200

C’≈200+3*根号200 = 242

但是一般的做法是把每天访问系统用户数的10%作为平均的并发用户数。最大的并发用户数乘上一个值，2或者3.

假如说用户要求系统每秒最大可以处理100个登陆请求，10/25/50/75/100 个并发用户来执行登陆操作，然后观察系统在不同负载下的响应时间和每秒事务数。如果用户数在100的时候，响应时间还在允许范围呢，就要加大用户数，例如120 等 。个人理解这个用户数就是我们经常说的等价类和边界值法来设定。

---