ab,qps,服务器性能压力

2024-05-14 03:09
文章标签 服务器 性能 压力 ab qps

本文主要是介绍ab,qps,服务器性能压力,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!


ab,qps,服务器性能压力


http://www.makaidong.com/%E5%8D%9A%E5%AE%A2%E5%9B%AD%E7%9F%A5%E9%81%93/17732.shtml

"ab,qps,服务器性能压力":关键词:ab qps 服务器 性能 压力

 

http://www.makaidong.com/program/641799.html

转载:并发用户数和qps两个概念没有直接关系
转自: http://blog.hummingbird-one.com/?p=10029


关 于并发用户数和qps,自己一直被这两个概念纠结,阅读了一下相关资料,总结如下:并发用户数和qps两个概念没有直接关系,但是如果要说qps时,一定 需要指明是多少并发用户数下的qps,否则豪无意义,因为单用户数的40qps和20并发用户数下的40qps是两个不同的概念。前者说明该应用可以在一 秒内串行执行40个请求,而后者说明在并发20个请求的情况下,一秒内该应用能处理40个请求

http://www.tuicool.com/articles/zbafyf

并发连接数 = pv / 统计时间 * 页面衍生连接次数 * http响应时间 * 因数 / 其他web服务器 数量

pv = 并发连接数 * 统计时间 * 其他web服务器 数量/ 页面衍生连接次数 / http响应时间 / 因数

解释:  统计时间 : pv统计的总时间,单位秒,要计算一天的pv就是86400秒  页面衍生连接次数: 一个html页面可能会请求好几次http连接,如外部的css, js ,图片等,可以估算一下,或者用10,可根据实际情况改变  http响应时间: 可以使用1秒或更少,可根据实际情况改变  因数: 一般使用5即可,可根据实际情况计算后推出  其他web服务器 数量: 其他web服务器 数量

* “页面衍生连接次数”,”http响应时间”,”因数”这三个参数要根据实际情况分析计算后,确定一个适合的值

推算一下。单台机器1000并发的情况下,一天是1,728,000的pv(1秒响应,10个衍生连接,因子为5的情况下)  ======================================================================

例子:

保证每天多少pv的并发连接数的计算公式是:  并发连接数= pv / 统计时间(一天是86400) * 页面衍生连接次数 * http响应时间 * 因数(5) / 其他web服务器 数量

保证4千万pv的并发连接数:  (40000000pv / 86400秒 * 10个派生连接数 * 5秒内响应 * 5倍峰值) / 6台其他web服务器 = 19290连接数

======================================================================

面试时,面试官问道:1亿个pv,如何确定并发用户数?  一时想不起来具体的公式,就记得80/20原则,就回答了一些。又说了一些原来我们公司会提供峰值的方法,确定最后施压的用户数。  今天上网查相关资料,发现一些有用的内容,抄录下来。

网站流量是指什么? ip和pv呢?  通常说的网站流量(traffic)是指网站的访问量,是用来描述访问一个网站的用户数量以及用户所浏览的网页数量等指标,常用的统计指标包括网站的独立用户数量、总用户数量(含重复访问者)、网页浏览数量、每个用户的页面浏览数量、用户在网站的平均停留时间等。

网 站访问统计分析的基础是获取网站流量的基本数据,根据网上营销新观察的相关文章,网站流量统计指标大致可以分为三类,每类包含若干数量的统计指标。具体的 网站流量统计是通过不同的ip登陆网站来计算的,也就是说。一天内同一台机器登陆网站的次数不论是多少,在流量统计中只记为一次有效登陆,这种计算方法可 以较为科学 的计算出有多少人登陆过该网站,有效的防止了有意的对网站进行刷新从而增加自己网站的点击率。

网站流量指标

网站流量统计指标常用来对网站效果进行评价,主要指标包括:  ·独立访问者数量(unique visitors);  ·重复访问者数量(repeat visitors)  ·页面浏览数(page views);  ·每个访问者的页面浏览数(page views per user);  ·某些具体文件/页面的统计指标,如页面显示次数、文件下载次数等。

ip 是使用不同ip上网的人访问你网站的人数,也就是上面的独立访问者数量。  一般来说是24小时同一ip不重复记录的, 也应该24小时不重复记录。(其实ip也不一定就是独立访问者数量,因为有的用户是公用一个ip的,但大致上可以认为就是今日的独立访问者数量。)

pv 则是上面的页面浏览数,是指这些访问者一共浏览了多少次你网站的页面,他是会重复记录的,你点这个网站10个页面,他就会记录10次。

所以pv一定是>=ip的,如一个网站今天的流量统计是100ip 200pv就是说今天有大致100个独立访问者,一共访问了200次页面,平均每个用户访问页面数量是 pv/ip=2 ,一般来说这个数字越大说明网站内容越吸引用户,但也和网站本身的页面有关。

吞吐量(tps)=活动的用户数/响应时间  活动用户=并发用户*[响应时间/(响应时间+思考时间)]  吞吐量(tps)=并发用户/(响应时间+思考时间)  由此推出:  并发用户=活动用户+吞吐量*思考时间  并发用户=活动用户*(1+思考时间/响应时间)  并发用户=吞吐量*(响应时间+思考时间)

并发连接数与pv的换算公式  oncurrent connections=pv / seconds *(para connect per a page) * (time to react) * (factor) / (web hosts)

pv = concurrent connections * seconds * (web hosts)/ (para connect per a page)/ (time to react)/ (factor)

concurrent connections:并发连接数

seconds: pv统计的总时间,单位秒,要计算一天的pv就是86400秒

para connect per a page: 页面衍生连接次数。一个html页面可能会请求好几次http连接,如外部的css, js ,图片等。可以估算一下

 ,或者用10。可根据实际情况改变

time to react:http响应时间,可以使用1秒或更少。可根据实际情况改变

factor:因数,一般使用5即可。可根据实际情况计算后推出

web hosts:其他web服务器 数量

* para connect per a page,time to react,factor这三个参数要根据实际情况分析计算后,确定一个适合的值

推算一下。单台机器1000并发的情况下,一天是1,728,000的pv(1秒响应,10个衍生连接,因子为5的情况下)

==================================================================================

术语说明:  qps = req/sec = 请求数/秒

【qps计算pv和机器的方式】

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 )  qps: 单个进程每秒请求服务器的成功次数

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

服务器计算  服务器数量 = ceil( 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  公式:( 总pv数 * 80% ) / ( 每天秒数 * 20% ) = 峰值时间每秒请求数(qps)  机器:峰值时间每秒qps / 单台机器的qps = 需要的机器

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

ps: 在实际情况中,会把这个考虑的更多一点,就是把qps再往多了调一调,以防万

 

ps:下面是性能测试的主要概念和计算公式,记录下:

一.系统吞度量要素:

  一个系统的吞度量(承压能力)与request对cpu的消耗、外部接口、io等等紧密关联。

单个reqeust 对cpu消耗越高,外部系统接口、io影响速度越慢,系统吞吐能力越低,反之越高。

系统吞吐量几个重要参数:qps(tps)、并发数、响应时间

        qps(tps):每秒钟request/事务 数量

        并发数: 系统同时处理的request/事务数

        响应时间:  一般取平均响应时间

(很多人经常会把并发数和tps理解混淆)

理解了上面三个要素的意义之后,就能推算出它们之间的关系:

qps(tps)= 并发数/平均响应时间

        一个系统吞吐量通常由qps(tps)、并发数两个因素决定,每套系统这两个值都有一个相对极限值,在应用场景访问压力下,只要某一项达到系统最高值,系统的吞吐量就上不去了,如果压力继续增大,系统的吞吐量反而会下降,原因是系统超负荷工作,上下文切换、内存等等其它消耗导致系统性能下降。

决定系统响应时间要素

我们做项目要排计划,可以多人同时并发做多项任务,也可以一个人或者多个人串行工作,始终会有一条关键路径,这条路径就是项目的工期。

系统一次调用的响应时间跟项目计划一样,也有一条关键路径,这个关键路径是就是系统影响时间;

关键路径是有cpu运算、io、外部系统响应等等组成。

二.系统吞吐量评估:

我们在做系统设计的时候就需要考虑cpu运算、io、外部系统响应因素造成的影响以及对系统性能的初步预估。

而通常境况下,我们面对需求,我们评估出来的出来qps、并发数之外,还有另外一个维度:日pv。

通过观察系统的访问日志发现,在用户量很大的情况下,各个时间周期内的同一时间段的访问流量几乎一样。比如工作日的每天早上。只要能拿到日流量图和qps我们就可以推算日流量。

通常的技术方法:

        1. 找出系统的最高tps和日pv,这两个要素有相对比较稳定的关系(除了放假、季节性因素影响之外)

        2. 通过压力测试或者经验预估,得出最高tps,然后跟进1的关系,计算出系统最高的日吞吐量。b2b中文和淘宝 面对的客户群不一样,这两个客户群的网络行为不应用,他们之间的tps和pv关系比例也不一样。

这篇关于ab,qps,服务器性能压力的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/987584

相关文章

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

服务器集群同步时间手记

1.时间服务器配置(必须root用户) (1)检查ntp是否安装 [root@node1 桌面]# rpm -qa|grep ntpntp-4.2.6p5-10.el6.centos.x86_64fontpackages-filesystem-1.41-1.1.el6.noarchntpdate-4.2.6p5-10.el6.centos.x86_64 (2)修改ntp配置文件 [r

性能测试介绍

性能测试是一种测试方法,旨在评估系统、应用程序或组件在现实场景中的性能表现和可靠性。它通常用于衡量系统在不同负载条件下的响应时间、吞吐量、资源利用率、稳定性和可扩展性等关键指标。 为什么要进行性能测试 通过性能测试,可以确定系统是否能够满足预期的性能要求,找出性能瓶颈和潜在的问题,并进行优化和调整。 发现性能瓶颈:性能测试可以帮助发现系统的性能瓶颈,即系统在高负载或高并发情况下可能出现的问题

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

黑神话,XSKY 星飞全闪单卷性能突破310万

当下,云计算仍然是企业主要的基础架构,随着关键业务的逐步虚拟化和云化,对于块存储的性能要求也日益提高。企业对于低延迟、高稳定性的存储解决方案的需求日益迫切。为了满足这些日益增长的 IO 密集型应用场景,众多云服务提供商正在不断推陈出新,推出具有更低时延和更高 IOPS 性能的云硬盘产品。 8 月 22 日 2024 DTCC 大会上(第十五届中国数据库技术大会),XSKY星辰天合正式公布了基于星

Linux服务器Java启动脚本

Linux服务器Java启动脚本 1、初版2、优化版本3、常用脚本仓库 本文章介绍了如何在Linux服务器上执行Java并启动jar包, 通常我们会使用nohup直接启动,但是还是需要手动停止然后再次启动, 那如何更优雅的在服务器上启动jar包呢,让我们一起探讨一下吧。 1、初版 第一个版本是常用的做法,直接使用nohup后台启动jar包, 并将日志输出到当前文件夹n

从状态管理到性能优化:全面解析 Android Compose

文章目录 引言一、Android Compose基本概念1.1 什么是Android Compose?1.2 Compose的优势1.3 如何在项目中使用Compose 二、Compose中的状态管理2.1 状态管理的重要性2.2 Compose中的状态和数据流2.3 使用State和MutableState处理状态2.4 通过ViewModel进行状态管理 三、Compose中的列表和滚动

速盾:直播 cdn 服务器带宽?

在当今数字化时代,直播已经成为了一种非常流行的娱乐和商业活动形式。为了确保直播的流畅性和高质量,直播平台通常会使用 CDN(Content Delivery Network,内容分发网络)服务器来分发直播流。而 CDN 服务器的带宽则是影响直播质量的一个重要因素。下面我们就来探讨一下速盾视角下的直播 CDN 服务器带宽问题。 一、直播对带宽的需求 高清视频流 直播通常需要传输高清视频

PR曲线——一个更敏感的性能评估工具

在不均衡数据集的情况下,精确率-召回率(Precision-Recall, PR)曲线是一种非常有用的工具,因为它提供了比传统的ROC曲线更准确的性能评估。以下是PR曲线在不均衡数据情况下的一些作用: 关注少数类:在不均衡数据集中,少数类的样本数量远少于多数类。PR曲线通过关注少数类(通常是正类)的性能来弥补这一点,因为它直接评估模型在识别正类方面的能力。 精确率与召回率的平衡:精确率(Pr

一种改进的red5集群方案的应用、基于Red5服务器集群负载均衡调度算法研究

转自: 一种改进的red5集群方案的应用: http://wenku.baidu.com/link?url=jYQ1wNwHVBqJ-5XCYq0PRligp6Y5q6BYXyISUsF56My8DP8dc9CZ4pZvpPz1abxJn8fojMrL0IyfmMHStpvkotqC1RWlRMGnzVL1X4IPOa_  基于Red5服务器集群负载均衡调度算法研究 http://ww