====== 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 ```