背景
機關每年都會舉行運動會，有一個2000m長跑的項目，大約每年報名人員為男選手40人，女選手20人，隻有一條橡膠跑道。一次比賽10人齊跑，是以至少需要6場比賽。
2000米的完成時間要求是20分鐘，超過20分鐘不計數，是以比賽耗時我們計算為20分鐘，加上比賽前的動員組織，比賽後的清場，我們假定每場比賽耗時30分鐘。
現在我們預估下耗時：
1、60人/10人每場 = 6場，至少需要舉行6場
2、總耗時 = 6場 * 0.5h = 3h
是以每年把這個比賽安排在下午3點到6點，是最後一個比賽項目，晚上7點舉行頒獎晚會。這個預估容量也算合理。
但是今年比較特别，取消了4000米的長跑，是以2000米報名人員激增50人。時間還是下午3點到6點，
這個就有問題了，最後為了保證晚會的正常進行，一半的人員的比賽時間推遲到另外一周的周末，搞得怨聲四起，大罵舉辦的行政部門不講武德。
這個是我們機關真實的故事，這就是設計容量，當你的業務場景的容量發生了變化時候，沒有預估到他的變化，以及變化可能産生的影響，沒有按照這個影響及時的做調整
（比如将比賽時間提前，拉長整個比賽的過程時間，或者增加比賽跑到，同時進行兩場比賽），就會造成災難。
概念
何為設計容量，從技術上說就是運用一些政策對系統容量進行預估的過程。容量設計是架構師必備的技能之一。
他要求我們分析系統設計容量要求，盡可能給出具體資料描述的：資料量、并發量、帶寬、注冊使用者規模、活躍使用者規模、線上使用者規模、消息長度，圖檔大小、網盤空間容量，記憶體CPU容量等。
下面的内容，我們以 并發 為例子，看看看具體的分析過程。
分析過程
了解一些原理
TPS（Transactions Per Second）：每秒事務數
QPS（Query Per Second）：每秒請求數，QPS其實是衡量吞吐量的一個常用名額，就是說伺服器在一秒的時間内處理了多少個請求。
并發數：并發數是指系統同時能處理的請求數量，這個也是反應了系統的負載能力。
峰值QPS計算：
1、原理：每天80%的通路集中在20%的時間裡，這20%時間叫做峰值時間
2、公式：( 總PV數 * 80% ) / ( 每天秒數 * 20% ) = 峰值時間每秒請求數(QPS)
PV（Page View）：頁面通路量，即頁面浏覽量或點選量，使用者每次重新整理即被計算一次
UV（Unique Visitor）：獨立訪客，統計1天内通路某站點的使用者數(以cookie為依據)
吐吞量：吞吐量是指系統在機關時間内處理請求的數量
響應時間（RT）：響應時間是指系統對請求作出響應的時間，一般取平均響應時間
QPS（每秒查詢數）、TPS（每秒事務數）是吞吐量的常用量化名額，另外還有HPS（每秒HTTP請求數）。
QPS（TPS）、并發數、響應時間它們三者之間的關系是：
1、QPS（TPS）= 并發數 / 平均響應時間
2、并發數 = QPS * 平均響應時間
系統容量評估時機
主要在三種業務場景下需要及時考慮對系統容量進行評估。
1、臨時的流量變化：比如 618、雙11，新年大促搞活動等場景，預估我們的流量會大漲，甚至到原來的數倍。這時候要做好應對的措施。
2、初始系統容量評估：假設我們開發了某個系統，這個系統初始上線，我們預估他的容量和負載會是多少。
3、容量基數的變化：比如某個系統，他的功能子產品越來越多，資料流量越來越大，日活指數越來越高，迎來了第二波的增長曲線。我們原來定好的系統容量漸漸的不滿足我們的需求，這時候我們也要重新評估和擴容。
我們系統容量評估包括資料量、并發量、帶寬、CPU、MEMORY、DISK等。以并發量為案例，我們來說明系統容量評估的方法和步驟。
評估的步驟
1、分析日總通路量
分析可能的日通路量，一般系統系統都會提供比較真實的通路量數值，基于此，我們需要評估一個活動的通路量；如果是一個新上線的系統，我們也要評估可能的PV、UV值。
産品、營運部門也需要給出可能的通路預期值。
舉個例子：
我們活動期間(9點~10點)會推送2000W的應用消息，假設使用者實際點進去檢視的比列為1/10，那麼這個活動期間(1小時)新增的通路量就有 2000W * 1/10= 200W
2、評估平均通路量QPS
QPS是每秒請求量,假設我們一天正常活動時間一般是11個小時多一點,那一天的時間長度以秒為機關:60*60*11 ≈ 4W, 我們再使用日通路時間再去除以4W總時間即可.
我們上面說的兩個小時的活動時間,實際的總通路量最後确實是200W,
那麼平均通路量QPS為:200W/(60*60)=555.5 QPS.
一個成熟系統日QPS也可以預估 ,比如 百度首頁的日PV數量為 5000W,按照我們說的正常活動時間4W秒算,就是5000W / 4W = 1250 QPS.
3、評估高峰區間的QPS
我們在做系統容量規劃時，不僅僅是考慮平均QPS，最重要的是要承受住高峰區間的QPS，這個資料可以根據業務流量監控的曲線和28法則來評估,我們來看下具體是怎麼做的?
3.1 業務流量監控的曲線
以下面這個雲系統作為例子：
日均QPS為2900，業務通路趨勢圖如下圖，我們來對峰值QPS做一下預估
從圖中可以看出，峰值QPS大概是均值QPS的2.58倍，日均QPS為2900，于是評估出峰值QPS為2900*2.58=7482。
這種是日常流量情況,如果遇到很特别的業務,比如競拍\搶訂\秒殺情況,流量幅度還是比較大的.
3.2 使用二八法則計算
何為二八法則:80%的業務基本都是發生在20%的時間裡面,是以有如下:
峰值QPS公式：( 總PV數 * 80% ) / ( 每天秒數 * 20% ) = 峰值時間每秒請求數(QPS)
4、評估單執行個體極限承受的QPS
可以使用壓測(nGrinder 或者 jmeter)方式來擷取單個系統執行個體的QPS極限值,我們團隊的标準是當請求響應時間超過2S的時候,已經達到了瓶頸值，并影響使用,需要進行優化和擴容。
我們在一個系統上線前，一般來說是需要進行壓力測試,了解她實際的極限值在哪個地方，以我們上面流量圖為例子（日平均QPS為2900，峰值QPS為7500），這個系統的架構可能是這樣的：
1、經由APP和Web的的請求，會經過Nginx均衡到多台Web站點上去。
2、Web叢集會調用并落地到Service叢集上
3、Service叢集向資料層請求資料，正常情況下其中90%會落到Cache叢集中
4、Cache叢集中不存在（假設10%），會進入DB叢集去通路資料庫。
我們通過壓測資料發現，web層是瓶頸，tomcat壓測單個執行個體隻能支援2500的QPS。
Cache叢集和DB叢集足夠強悍，能夠輕松應對峰值7500的QPS，按比例分别是7500*0.9=6750 和 7500*0.1=750.
是以我們得到了web單執行個體極限的QPS是2500。這邊需要下調，因為我們不建議讓請求響應時長接近2S，最好是1S以内。是以下調至2000。
5、根據線上備援度最終确認
通過上面的計算，我們已經得到了峰值QPS是7500，單個執行個體能夠順暢承載QPS是2000，那麼Web叢集中至少有4個執行個體能夠承接這樣的請求洪峰。
除此之外，其他類型的的容量預估，如資料量、帶寬、CPU、MEMORY、DISK等都可以采用類似政策。
案例分析
結合項目：如何計算圖書系統的QPS、峰值QPS、N個執行個體和并發數
1、圖書預定系統的并發數計算：
1.1、二八法則定理：80%的業務基本都是發生在20% 的時間裡面，如系統有早中晚高峰，曆經9個小時（早上10點到晚上19點），9*3600=32400。
1.2、擷取峰值QPS：公式：( 總PV數 * 80% ) / ( 每天秒數 * 20% ) = 峰值時間每秒請求數(QPS)
即 ( 1500000 * 80% ) / ( 32400 * 20% ) = 600000/6480≈185/秒
1.3、并發數 = QPS * 平均響應時間 = 0.5*185 = 92.5 ，矯正為100
1.4、利用343估算法判定 154，向上矯正為200
| Pessimism 悲觀 | 30% | 80 |
| Normal 标準 | 40% | 100 |
| Optimism 樂觀 | 300 |
最後提供給性能測試QA 的測試标準資料是 建議支援并發 200+，QA最終的測試結果是 該并發下響應時間在 50~100ms
總結
系統設計容量評估時機：
系統設計容量評估的步驟：
1、分析日總通路量：産品、營運的評估和線上資料的收集
2、評估日平均通路量QPS：評估營運時間内的平均QPS
3、評估高峰區間的QPS：流量曲線計算 或 28 法則估算
4、性能壓力測試：評估執行個體能夠承受的極限吞吐量
5、根據線上備援度，與實際的內插補點進行調整，評估出能承載容量的實際結果值
顯然，開頭的運動會如果子報名結束後能夠根據報名的人數對比，重新做容量設計，提早做好準備，情況就不會那麼糟糕。
架構與思維·公衆号：撰稿者為bat、位元組的幾位高階研發/架構。不做廣告、不賣課、不要打賞，隻分享優質技術
碼字不易，歡迎關注，歡迎轉載
作者：翁智華
出處：https://www.cnblogs.com/wzh2010/
本文采用「CC BY 4.0」知識共享協定進行許可，轉載請注明作者及出處。