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。