架构与思维论设计容量的重要性
作者：Brand
背景
单位每年都会举行运动会，有一个2000m长跑的项目，大约每年报名人员为男选手40人，女选手20人，只有一条橡胶跑道。一次比赛10人齐跑，所以至少需要6场比赛。
2000米的完成时间要求是20分钟，超过20分钟不计数，所以比赛耗时我们计算为20分钟，加上比赛前的动员组织，比赛后的清场，我们假定每场比赛耗时30分钟。
现在我们预估下耗时：
1、60人/10人每场 = 6场，至少需要举行6场
2、总耗时 = 6场 * 0.5h = 3h
所以每年把这个比赛安排在下午3点到6点，是最后一个比赛项目，晚上7点举行颁奖晚会。这个预估容量也算合理。
但是今年比较特别，取消了4000米的长跑，所以2000米报名人员激增50人。时间还是下午3点到6点，
这个就有问题了，最后为了保证晚会的正常进行，一半的人员的比赛时间推迟到另外一周的周末，搞得怨声四起，大骂举办的行政部门不讲武德。
这个是我们单位真实的故事，这就是设计容量，当你的业务场景的容量发生了变化时候，没有预估到他的变化，以及变化可能产生的影响，没有按照这个影响及时的做调整
（比如将比赛时间提前，拉长整个比赛的过程时间，或者增加比赛跑到，同时进行两场比赛），就会造成灾难。
概念
何为设计容量，从技术上说就是运用一些策略对系统容量进行预估的过程。容量设计是架构师必备的技能之一。
他要求我们分析系统设计容量要求，尽可能给出具体数据描述的：数据量、并发量、带宽、注册用户规模、活跃用户规模、在线用户规模、消息长度，图片大小、网盘空间容量，内存CPU容量等。
下面的内容，我们以并发为例子，看看看具体的分析过程。
分析过程
理解一些原理
TPS（Transactions Per Second）：每秒事务数
QPS（Query Per Second）：每秒请求数，QPS其实是衡量吞吐量的一个常用指标，就是说服务器在一秒的时间内处理了多少个请求。
并发数：并发数是指系统同时能处理的请求数量，这个也是反应了系统的负载能力。
峰值QPS计算：
1、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
2、公式：( 总PV数 * 80% ) / ( 每天秒数 * 20% ) = 峰值时间每秒请求数(QPS)
PV（Page View）：页面访问量，即页面浏览量或点击量，用户每次刷新即被计算一次
UV（Unique Visitor）：独立访客，统计1天内访问某站点的用户数(以cookie为依据)
吐吞量：吞吐量是指系统在单位时间内处理请求的数量
响应时间（RT）：响应时间是指系统对请求作出响应的时间，一般取平均响应时间
QPS（每秒查询数）、TPS（每秒事务数）是吞吐量的常用量化指标，另外还有HPS（每秒HTTP请求数）。
QPS（TPS）、并发数、响应时间它们三者之间的关系是：
1、QPS（TPS）= 并发数 / 平均响应时间
2、并发数 = QPS * 平均响应时间
系统容量评估时机
主要在三种业务场景下需要及时考虑对系统容量进行评估。
1、临时的流量变化：比如 618、双11，新年大促搞活动等场景，预估我们的流量会大涨，甚至到原来的数倍。这时候要做好应对的措施。
2、初始系统容量评估：假设我们开发了某个系统，这个系统初始上线，我们预估他的容量和负载会是多少。
3、容量基数的变化：比如某个系统，他的功能模块越来越多，数据流量越来越大，日活指数越来越高，迎来了第二波的增长曲线。我们原来定好的系统容量渐渐的不满足我们的需求，这时候我们也要重新评估和扩容。
我们系统容量评估包括数据量、并发量、带宽、CPU、MEMORY、DISK等。以并发量为案例，我们来说明系统容量评估的方法和步骤。
评估的步骤
1、分析日总访问量
分析可能的日访问量，一般系统系统都会提供比较真实的访问量数值，基于此，我们需要评估一个活动的访问量；如果是一个新上线的系统，我们也要评估可能的PV、UV值。
产品、运营部门也需要给出可能的访问预期值。
举个例子：
我们活动期间(9点~10点)会推送2000W的应用消息，假设用户实际点进去查看的比列为1/10，那么这个活动期间(1小时)新增的访问量就有 2000W * 1/10= 200W
2、评估平均访问量QPS
QPS是每秒请求量,假设我们一天正常活动时间一般是11个小时多一点,那一天的时间长度以秒为单位:60*60*11 ≈ 4W, 我们再使用日访问时间再去除以4W总时间即可.
举个例子：
我们上面说的两个小时的活动时间,实际的总访问量最后确实是200W,
那么平均访问量QPS为:200W/(60*60)=555.5 QPS.
一个成熟系统日QPS也可以预估 ,比如 百度首页的日PV数量为 5000W,按照我们说的常规活动时间4W秒算,就是5000W / 4W = 1250 QPS.
3、评估高峰区间的QPS
我们在做系统容量规划时，不仅仅是考虑平均QPS，最重要的是要承受住高峰区间的QPS，这个数据可以根据业务流量监控的曲线和28法则来评估,我们来看下具体是怎么做的?
3.1 业务流量监控的曲线
以下面这个云系统作为例子：
日均QPS为2900，业务访问趋势图如下图，我们来对峰值QPS做一下预估
从图中可以看出，峰值QPS大概是均值QPS的2.58倍，日均QPS为2900，于是评估出峰值QPS为2900*2.58=7482。
这种是日常流量情况,如果遇到很特别的业务,比如竞拍\抢订\秒杀情况,流量幅度还是比较大的.
3.2 使用二八法则计算
何为二八法则:80%的业务基本都是发生在20%的时间里面,所以有如下:
峰值QPS公式：( 总PV数 * 80% ) / ( 每天秒数 * 20% ) = 峰值时间每秒请求数(QPS)
4、评估单实例极限承受的QPS
可以使用压测(nGrinder 或者 jmeter)方式来获取单个系统实例的QPS极限值,我们团队的标准是当请求响应时间超过2S的时候,已经达到了瓶颈值，并影响使用,需要进行优化和扩容。
我们在一个系统上线前，一般来说是需要进行压力测试,了解她实际的极限值在哪个地方，以我们上面流量图为例子（日平均QPS为2900，峰值QPS为7500），这个系统的架构可能是这样的：
1、经由APP和Web的的请求，会经过Nginx均衡到多台Web站点上去。
2、Web集群会调用并落地到Service集群上
3、Service集群向数据层请求数据，正常情况下其中90%会落到Cache集群中
4、Cache集群中不存在（假设10%），会进入DB集群去访问数据库。
我们通过压测数据发现，web层是瓶颈，tomcat压测单个实例只能支持2500的QPS。
Cache集群和DB集群足够强悍，能够轻松应对峰值7500的QPS，按比例分别是7500*0.9=6750 和 7500*0.1=750.
所以我们得到了web单实例极限的QPS是2500。这边需要下调，因为我们不建议让请求响应时长接近2S，最好是1S以内。所以下调至2000。
5、根据线上冗余度最终确认
通过上面的计算，我们已经得到了峰值QPS是7500，单个实例能够顺畅承载QPS是2000，那么Web集群中至少有4个实例能够承接这样的请求洪峰。
除此之外，其他类型的的容量预估，如数据量、带宽、CPU、MEMORY、DISK等都可以采用类似策略。
案例分析
结合项目：如何计算图书系统的QPS、峰值QPS、N个实例和并发数
1、图书预定系统的并发数计算：
1.1、二八法则定理：80%的业务基本都是发生在20% 的时间里面，如系统有早中晚高峰，历经9个小时（早上10点到晚上19点），9*3600=32400。
1.2、获取峰值QPS：公式：( 总PV数 * 80% ) / ( 每天秒数 * 20% ) = 峰值时间每秒请求数(QPS)
即 ( 1500000 * 80% ) / ( 32400 * 20% ) = 600000/6480≈185/秒
1.3、并发数 = QPS * 平均响应时间 = 0.5*185 = 92.5 ，矫正为100
1.4、利用343估算法判定 154，向上矫正为200
Pessimism 悲观 | 30% | 80 |
Normal 标准 | 40% | 100 |
Optimism 乐观 | 30% | 300 |
最后提供给性能测试QA 的测试标准数据是 建议支持并发 200+，QA最终的测试结果是 该并发下响应时间在 50~100ms
总结
系统设计容量评估时机：
1、临时的流量变化：比如 618、双11，新年大促搞活动等场景，预估我们的流量会大涨，甚至到原来的数倍。这时候要做好应对的措施。
2、初始系统容量评估：假设我们开发了某个系统，这个系统初始上线，我们预估他的容量和负载会是多少。
3、容量基数的变化：比如某个系统，他的功能模块越来越多，数据流量越来越大，日活指数越来越高，迎来了第二波的增长曲线。我们原来定好的系统容量渐渐的不满足我们的需求，这时候我们也要重新评估和扩容。
系统设计容量评估的步骤：
1、分析日总访问量：产品、运营的评估和线上数据的收集
2、评估日平均访问量QPS：评估运营时间内的平均QPS
3、评估高峰区间的QPS：流量曲线计算 或 28 法则估算
4、性能压力测试：评估实例能够承受的极限吞吐量
5、根据线上冗余度，与实际的差值进行调整，评估出能承载容量的实际结果值
显然，开头的运动会如果子报名结束后能够根据报名的人数对比，重新做容量设计，提早做好准备，情况就不会那么糟糕。
以上就是架构与思维论设计容量的重要性的详细内容，更多关于架构思维设计容量重要性的资料请关注脚本之家其它相关文章！