標籤:
前幾天聊過,pv 和並發 的概念,也大概解釋了 並發,頻寬等指標的計算。感興趣的朋友,可以看看我前面那篇文章:《聊一聊PV和並發》。今天再來聊一聊容量預估。
電商公司的朋友,,這樣的情境是否似曾相識:
運營和產品神秘兮兮的跑過來問:
我們晚上要做搞個促銷,伺服器能抗住嗎?如果扛不住,需要加多少台機器?
於是,技術一臉懵逼。
其實,這些都是系統容量預估的問題,容量預估是架構師必備的技能之一。所謂,容量預估其實說白了就是,系統在down掉之前,所能承受的最大流量。這個事技術人員對於系統效能瞭解的重要指標。常見的容量評估包括流量、並發量、頻寬、CPU,記憶體 ,磁碟等一系列內容。今天就來聊一聊容量預估的問題。
一,幾個重要參數
QPS:每秒鐘處理的請求數
並發量: 系統同時處理的請求數
回應時間: 一般取平均回應時間
很多人經常會把並發數和QPS 混淆,理解了上面三個要素的意義之後,就能推算出它們之間的關係:QPS = 並發量 / 平均回應時間
二,容量評估的步驟與方法
1:預估總訪問量
如何知道總訪問量?對於一個運營活動的訪問量評估,或者一個系統上線後PV的評估,有什麼好的方法?
最簡單的辦法就是:詢問業務方,詢問運營同學,詢問產品同學,看產品和運營對此次活動的流量預估。
不過,業務方對於流量的預估,應該就兩個指標,pv 和 使用者訪問數。技術人員 需要更具這兩個資料,計算其他相關指標,比如 QPS 等。具體如何計算可參照我前面一篇 pv和並發 的文章。
2:預估平均QPS
總請求數 = 總PV * 頁面衍生串連數
平均QPS = 總請求數 / 總時間
比如:活動落地頁1小時內的總訪問量是30w pv,該落地頁的衍生串連數為30 ,那麼落地頁的平均QPS
(30w * 30) /(60 * 60) = 2500,
3:預估峰值QPS
系統容量規劃時,不能只考慮平均QPS,而是要抗住高峰的QPS,如何評估峰值QPS呢?
這個要根據實際的業務評估,通過以往的一些營銷活動的 pv 等資料進行預估。一般情況,峰值QPS大概是均值QPS的3-5倍,日均QPS為1000,於是評估出峰值QPS為5000。
不過,有一些業務例如“秒殺業務”比較難評估業務訪問量,這類業務的容量評估不在此討論。
4:預估系統、單機極限QPS
如何預估一個業務,一個伺服器單機的極限QPS呢?
這個效能指標,是伺服器,最基本的指標之一,所以沒有其他的辦法,就是壓力測試。通過壓力測試,算出伺服器的單機極限QPS 。
在一個業務上線前,一般都需要進行壓力測試(很多創業型公司,業務迭代很快的系統可能沒有這一步,那就悲劇了),以APP 推送 某營銷活動為例(預計 日均QPS 1000,峰值QPS 5000),業務情境可能是這樣的:
1)通過 APP 推送一個活動訊息
2)運營活動H5落地頁是一個web網站
3)H5落地頁由緩衝cache、資料庫db中的資料拼裝而成
通過壓力測試發現,網頁伺服器 單機只能抗住1200的QPS,cache和資料庫db 能抗住並發壓力,(一般來說,1%的流量到資料庫,資料庫120 QPS還是能輕鬆抗住的,cache的話QPS能抗住,需要評估cache的頻寬,這裡假設cache不是瓶頸),這樣,我們就得到了web單機極限的QPS是1200。一般來說,生產系統不會跑滿到極限的,這樣容易影響伺服器的壽命和效能,單機線上允許跑到QPS 1200 * 0.8 = 960 。
擴充說一句,通過壓力測試,已經知道web層是瓶頸,則可針對web 相關的做一些調整最佳化,以提高網頁伺服器 的單機QPS 。
還有,壓力測試工作中,一般是以具體業務的角度進行壓力測試,關心的是某個具體業務的並發量和QPS。
5:回答最開始那兩個問題
需要的機器 = 峰值QPS / 單機極限 QPS
好了,上述已經得到了峰值QPS是5000,單機極限QPS是1000,線上部署了3台伺服器:
(1)伺服器能抗住嗎? -> 峰值5000,單機1000,線上3台,扛不住
(2)如果扛不住,需要加多少台機器? -> 需要額外2台,提前預留1台更好,給3台保險
三,最後
以上,只是個人一些經驗分享,有啥不對的地方,大夥輕點拍磚,有更好的建議歡迎回複,,
電商總結(六)系統容量預估