原文: https://www.cnblogs.com/ooo0/p/15963700.html
--------------------
QPS: 请求进入的速度
并发数: 系统中同时存在的请求数
根据Little's Law,我们能得到如下的关系式:
并发数 = QPS * 耗时
以大学招生为例:大一新生的招收速度是5000人/年,每个学生在大学停留4年,整个大学的人数是20000,于是(下面的QPS改为以年为单位):
QPS | 耗时 | 并发数 |
5000人/年 | 4年 | 20000人 |
以某公司为例:180000员工,必须早上8:30-9:00之间在考勤系统签到,每次签到在系统需要停留0.1秒,于是:
QPS | 耗时 | 并发数 |
100人/秒 | 0.1秒 | 10人 |
以动物园为例:每秒有1个人进入动物园,每个人在动物园中停留2小时,于是:
QPS | 耗时 | 并发数 |
1人/秒 | 2*3600秒 | 7200人 |
假设在理想情况下,某系统的请求进入速度是1亿次/秒,系统处理的时间趋近为0,那么这个系统的并发量是多少呢?很显然:
QPS | 耗时 | 并发数 |
1亿次/秒 | 趋近0 | 趋近0次 |
可见,虽然每秒有1亿次请求,但在某一随机时刻观察系统,会发现系统中不存在请求堆积的问题,系统的并发数趋近0.这是一个高QPS、低延时系统,是一个很好的系统,轻轻松松地快速处理各种请求,来一个灭一个。值得一提的是,此时并发数很低,但这不表明系统实际能够承受的并发数很低,它实际上可能承受很高的并发数。
标签:关系,请求,并发,系统,耗时,趋近,QPS From: https://www.cnblogs.com/oxspirt/p/18068887