是否有一个公式可以告诉我使用应用程序每天使用应用程序10分钟,我希望拥有1000个用户的最大/平均并发用户数?
答案 0 :(得分:8)
1000个用户X 10分钟= 10,000个用户分钟
一天10,000个用户分钟/ 1440分钟= 6.944个并发用户平均数
如果您正在寻找更好的并发用户估算值,我建议您在自己的网站上添加google analytics。它可以准确读取您网站的高点,低点和平均值。
答案 1 :(得分:7)
在最糟糕的情况下,所有1000个用户同时使用该应用程序,因此max#oc并发用户为1000。
1000位用户* 10分钟= 10000总分钟
一天有24小时* 60分钟= 1440分钟。
假设正常分布,平均使用您的应用程序平均需要10000/1440 = 6.9个用户。但是,正态分布不是一个有效的假设,因为你可能不会在一夜之间期待很多用户。
答案 2 :(得分:4)
好吧,假设有一个稳定的到达模式,人们以平等的分布访问该网站,你会有:
(用户*在几分钟内访问长度)/(一天中的分钟数) 要么 (1000 * 10)/ 1440
这将是7个并发用户
当然,你永远不会有这样的平等分配。您可以尝试预期的模式,并根据该模式分配负载。最好的办法是用一点点的用户流量来监控流量。
答案 3 :(得分:2)
这在很大程度上取决于它们的使用模式,没有通用公式可以覆盖它。
作为一个极端的例子,如果这是一个考勤卡应用程序,你会在每个工作日的开始和结束时有一个很大的高峰,在开始和停止之间分散访问,因为人们在不同的项目上工作,几乎没有外部访问工作时间。
您能描述一下您期望的使用模式吗?
答案 4 :(得分:1)
不准确。
使用是否会在一天内均匀分布,还是会导致每个人同时使用10分钟?
例如,我们可以将通用网站与时间卡输入系统进行比较。
当您拥有大量用户(在工作时间......)时,通用网站将全天都有大量的时间和流量。
时间卡输入系统可能让所有1000人每天两次在15分钟的时间内点击系统。
简单的数学可以显示平均值,但人们通常不会“平均”......
答案 5 :(得分:1)
正如普遍所说,答案取决于人们何时“到达”的分布。如果有人在上午9:01凌晨3:23到达,则max_concurrent很低;如果每个人都在上午8:55到9:30之间办理登机手续,则max_concurrent很高(如果响应时间因当前负载而减慢,那么当网站上有很多人时,网站上的“平均”时间会显着增加网站...)。
模型与其输入一样好,但话虽如此,如果你对使用模式有很好的认识,蒙特卡洛模型可能是一个好主意。 (如果您可以访问具有统计或概率背景的人员,他们可以仅根据分布参数进行数学计算,但蒙特卡洛模型对于大多数人来说更容易创建和操作。)
在评论中,你说它是一个“类似于维基百科的自助参考应用程序”,但你的使用率相对较低意味着你不能依赖大数字的力量来“挫败”你的到来曲线超过24小时。