2019独角兽企业重金招聘Python工程师标准>>> 
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是什么？
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如何统计？
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 )
根据QPS推算PV：
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
根据QPS,PV推算服务器数量
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
最佳线程数:
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。
QPS和线程数的关系
-
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