【转载】QPS、PV 、RT（响应时间）之间的关系

在进行系统性能压测和系统性能优化的时候，会涉及到qps,pv,rt相关的概念，本文总结一下qps,pv,rt之间的关系，放在博客备忘，本文参考了之前在淘宝工作时候的一些资料。

qps：单个进程每秒请求服务器的成功次数

qps = req/sec = 请求数/秒

qps统计方式 [一般使用 http_load 进行统计] 

qps = 总请求数 / ( 进程总数 * 请求时间 )

单台服务器每天pv计算:

公式1：每天总pv = qps * 3600 * 6

公式2：每天总pv = qps * 3600 * 8

服务器数量 = 每天总pv / 单台服务器每天总pv

峰值qps和机器计算公式：

原理：每天80%的访问集中在20%的时间里，这20%时间叫做峰值时间 

峰值时间每秒请求数(qps)：( 总pv数 * 80% ) / ( 每天秒数 * 20% )

峰值机器数量：峰值时间qps / 单台机器的qps

例子：

问：每天300w pv 的在单台机器上，这台机器需要多少qps？

答：( 3000000 * 0.8 ) / (86400 * 0.2 ) = 139 (qps)

问：如果一台机器的qps是58，需要几台机器来支持？ 答：139 / 58 = 3

性能压测的情况下，起初随着用户数的增加，qps会上升，当到了一定的阀值之后，用户数量增加qps并不会增加，或者增加不明显，同时请求的响应时间却大幅增加。这个阀值我们认为是最佳线程数。

为什么要找最佳线程数

过多的线程只会造成，更多的内存开销，更多的cpu开销，但是对提升qps确毫无帮助

找到最佳线程数后通过简单的设置，可以让web系统更加稳定，得到最高，最稳定的qps输出

最佳线程数的获取：

通过用户慢慢递增来进行性能压测，观察qps，响应时间

根据公式计算:服务器端最佳线程数量=((线程等待时间+线程cpu时间)/线程cpu时间) * cpu数量

单用户压测，查看cpu的消耗，然后直接乘以百分比，再进行压测，一般这个值的附近应该就是最佳线程数量。

影响最佳线程数的主要因素：

io

io开销较多的应用其cpu线程等待时间会比较长，所以线程数量可以开的多一些，相反则线程数量要少一些，其实有两种极端，纯io的应用，比如proxy，则线程数量可以开到非常大（实在太大了则需要考虑线程切换的开销），这种应用基本上后端（比如这个proxy是代理搜索的）的qps能有多少，proxy就有多少。

cpu

对于耗cpu的计算，这种情况一般来讲只能开到cpu个数的线程数量。但是并不是说这种应用的qps就不高，往往这种应用的qps可以很高，因为耗cpu计算的应用，往往处理单次请求的时间会很短。

在最佳线程数量之前，qps和线程是互相递增的关系，线程数量到了最佳线程之后，qps持平，不在上升，甚至略有下降，同时响应时间持续上升。

同一个系统而言，最佳线程数越多，qps越高