====== 并发术语 ======
本页整理服务端性能相关的常见术语:**QPS、RPS、TPS、HPS、并发数、响应时间、吞吐量**,以及它们之间的关系、换算与估算方法。
===== 一分钟速查 =====
^ 术语 ^ 全称 ^ 一句话含义 ^ 单位 ^
| **QPS** | Queries Per Second | 每秒**查询**数,偏「数据库 / 缓存 / 内部接口」视角 | 次/秒 |
| **RPS** | Requests Per Second | 每秒**请求**数,偏「HTTP / 网关 / 网络入口」视角 | 个/秒 |
| **TPS** | Transactions Per Second | 每秒**事务**数,一个事务是一次完整业务操作 | 笔/秒 |
| **HPS** | Hits Per Second | 每秒**点击**数,页面里的静态资源也算一次 | 次/秒 |
| 并发数 | Concurrency | 同一时刻正在被处理的请求数 | 个 |
| RT | Response Time | 响应时间,实际要看 P95 / P99 而不只看均值 | ms |
| 吞吐量 | Throughput | 单位时间处理的数据量或业务量 | MB/s、条/s |
一句话记忆:**RPS 看「门口进来多少个请求」,QPS 看「里面执行了多少次查询」,TPS 看「完成了多少笔业务」。**
===== QPS:每秒查询数 =====
**定义**:系统在一秒内能处理的查询次数。
关键在于「一次查询」的边界由谁定义:
* 数据库层:一条 SQL = 一次查询(含缓存命中与否的差别很大,缓存命中通常能高出几个数量级);
* 服务层:一次 RPC 调用 / 一次内部接口调用 = 一次查询;
* 纯查询型 HTTP 接口:一次请求正好对应一次查询,此时 **QPS ≈ RPS**。
**关注点**
* **读多写少**的系统(搜索、详情页、配置下发)通常用 QPS 衡量容量。
* 谈 QPS 必须绑定条件:单机还是集群、单条 SQL 的复杂度、数据量级、是否走索引/缓存。脱离条件说「单机 QPS 十万」没有意义。
* 要区分**平均 QPS** 和**峰值 QPS**,容量规划按峰值来。
===== RPS:每秒请求数 =====
**定义**:系统每秒接收并处理的请求数。在 Web 场景里,一个请求通常就是一次 HTTP 请求(也可能是 gRPC、MQ 消息等)。
**RPS 与 QPS 的差别(最常被混淆的地方)**
* **层级不同**:RPS 是「入口视角」,QPS 是「执行视角」。
* **数量不同**:一次请求可能触发多次查询。例如一个商品详情页:
- 入口:1 RPS
- 应用内部:商品服务 + 库存服务 + 促销服务,共 3 次 RPC
- 数据库:5 条 SQL,共 5 QPS
* 反过来也有放大:一个页面里的图片、CSS、JS 会算成多个 HPS,但浏览器可能只发 1 个「页面请求」。
**分层看 RPS**
^ 层 ^ 计什么 ^ 备注 ^
| CDN / 负载均衡 | 进入的 HTTP 请求 | 含静态资源,数值最大 |
| 网关 / Nginx | 转发的请求 | 可用 access log 统计 |
| 应用服务 | 业务接口请求 | 通常说的「接口 RPS」 |
| 数据库 | SQL 执行次数 | 这是 QPS |
**从 access log 估算 RPS**(按秒统计请求数):
# 每行第 4 列是 [日/月/年:时:分:秒
awk '{print $4}' access.log | cut -c 14-21 | uniq -c | sort -rn | head
===== TPS:每秒事务数 =====
**定义**:每秒完成的事务数。事务是**最小的完整业务单元**,要么全部成功,要么全部回滚。
* 例:一次下单 = 扣库存 + 创建订单 + 创建支付单,这是 **1 个事务**,但可能是 3 次请求、十几条 SQL。
* 所以一般有:**TPS ≤ RPS ≤ QPS**(关系随系统形态变化,不是绝对不等式)。
* 数据库语境下的 TPS 特指含 `COMMIT` / `ROLLBACK` 的事务数,和 QPS 一起作为 `sysbench` 这类工具的基准输出。
* **金融、支付、订单类**系统更关心 TPS,因为它直接对应「钱和业务单据」。
===== HPS:每秒点击数 =====
**定义**:每秒的页面/资源点击请求数。
* 一个 PV(页面访问)通常只算 1 次页面请求,但会带来**几十个 HPS**(图片、脚本、样式、字体、接口)。
* 因此 HPS 的数值一般远大于 RPS,主要用来看**带宽和静态资源压力**,路由到 CDN 后才会明显下降。
===== 核心关系:并发数、QPS 与响应时间 =====
三者由 **Little's Law(利特尔法则)** 绑定:
并发数 = QPS × 平均响应时间(s)
QPS = 并发数 ÷ 平均响应时间(s)
响应时间 = 并发数 ÷ QPS
**算一遍**:单机平均 RT = 50 ms,要支撑 1000 QPS,需要多少并发?
并发数 = 1000 × 0.05 = 50
**两点推论**
* 并发数**不是** QPS。只有 RT 不变时,「并发数翻倍 → QPS 翻倍」才成立。
* 提高 QPS 有两条路:**加并发**(加机器/加线程)或**降 RT**(加索引、加缓存、优化算法)。RT 一降,同样并发能扛更高 QPS。
**吞吐量 ≠ QPS**:吞吐量看的是「运了多少货」(MB/s、条/s),QPS 看的是「开了多少单」。同样 QPS 下,单次返回 1 KB 和 1 MB,吞吐量差 1000 倍。
**峰值估算**常用两种做法:
* 二八定律:80% 的请求集中在 20% 的时间里 →
`峰值 QPS = 总请求数 × 0.8 ÷ (86400 × 0.2)`
* 峰值系数法:`峰值 QPS = 平均 QPS × (3 ~ 5)`,具体系数按业务波动取。
===== 常见误区 =====
- **把 RPS 和 QPS 当成同一个东西**。单层系统里数值常常一样,一旦分层(网关→微服务→DB)就会差好几倍,压测结论会算错。
- **只看平均值**。均值 50 ms 可能掩盖 P99 = 2 s,用户感知的是尾部延迟,所以要看 P95 / P99 / P999。
- **用并发数当容量指标**。1000 并发在 RT = 10 ms 时是 10 万 QPS,在 RT = 1 s 时只有 1000 QPS。
- **脱离 RT 报 QPS**。「我压到了 5 万 QPS」这句话必须带上 RT 和错误率才有意义。
- **只看压测工具的结果**。工具端会把超时、排队也算进去,要同时看服务端统计、CPU/内存/IO、连接数和 GC。
- **忽略错误率**。QPS 冲高但一半请求 500,属于无效吞吐。
===== 怎么测 =====
^ 工具 ^ 特点 ^ 适用 ^
| ab | 最简单,单线程模型,容易成为压测端瓶颈 | 快速冒烟 |
| wrk | 多线程 + 事件驱动,压得动高 QPS | 接口基准 |
| hey | ab 的现代替代,支持并发与持续时间 | 接口基准 |
| vegeta | 恒定速率压测,输出延迟分位 | 稳定性验证 |
| JMeter | 图形化,支持复杂场景与断言 | 业务链路 |
| Locust / k6 | 用代码写场景,便于 CI 集成 | 持续压测 |
**推荐流程**
1. 明确目标:目标 RPS/QPS、可接受的 RT 分位、错误率上限。
2. 阶梯加压(如 100 → 500 → 1000 → 2000 …,每档稳定跑几分钟),观察 QPS 与 RT 曲线。
3. 找**拐点**:QPS 不再上升而 RT 陡增的位置,就是当前容量上限。
4. 记录当时的资源水位(CPU、内存、磁盘 IO、连接数、线程池队列),判断瓶颈在应用、DB 还是网络。
5. 压测环境尽量贴近生产,否则数字只能做趋势参考。
===== 速览:思维导图 =====
```mdk height=520 color=#4f46e5
# 并发术语
## QPS 每秒查询数
- 查询视角:DB / 缓存 / 内部 RPC
- 必须绑定条件:数据量、索引、是否命中缓存
- 区分平均 QPS 与峰值 QPS
## RPS 每秒请求数
- 请求视角:CDN / 网关 / 应用入口
- 1 次请求 ≠ 1 次查询
- 商品详情页:1 RPS → 3 次 RPC → 5 条 SQL
- access log 可按秒聚合统计
## TPS 每秒事务数
- 事务 = 完整业务闭环,全成功或全回滚
- 下单 = 扣库存 + 建订单 + 支付单
- 一般 TPS ≤ RPS ≤ QPS
- 支付 / 订单系统最关心
## HPS 每秒点击数
- 面向页面资源,静态文件也算
- 1 个 PV 常带来几十个 HPS
- 主要看带宽与静态资源压力
## 关系与换算
### 利特尔法则
- 并发数 = QPS × 平均 RT(s)
- QPS = 并发数 ÷ RT
- RT = 并发数 ÷ QPS
### 提高 QPS 的两条路
- 加并发(机器 / 线程)
- 降 RT(索引 / 缓存 / 算法)
### 峰值估算
- 二八定律:80% 请求集中在 20% 时间
- 峰值系数法:平均 QPS × 3~5
## 常见误区
- RPS 与 QPS 混为一谈
- 只看均值,忽略 P95 / P99
- 拿并发数当容量
- 脱离 RT 报 QPS
- 忽略错误率与压测端瓶颈
## 压测实践
- 工具:wrk / hey / vegeta / JMeter / Locust / k6
- 阶梯加压,找 QPS-RT 拐点
- 同步看资源水位:CPU / 内存 / IO / 连接数
```