全球领先的電子商務系統開發及解决方案提供商

語言

电商总结(六)系统容量预估

2018-10-18 1074
分类: 技术干货

前几天聊过,pv 和并发 的概念,也大概解释了 并发,带宽等指标的计算。感兴趣的朋友,可以看看我前面那篇文章:《聊一聊PV和并发》。今天再来聊一聊容量预估。

前几天聊过,pv 和并发 的概念,也大概解释了 并发,带宽等指标的计算。感兴趣的朋友,可以看看我前面那篇文章:《聊一聊PV和并发》。今天再来聊一聊网上商城系统网站容量预估。

电商公司的朋友,,这样的场景是否似曾相识:

运营和产品神秘兮兮的跑过来问:

我们晚上要做搞个促销,服务器能抗住么?如果扛不住,需要加多少台机器?

于是,技术一脸懵逼。

其实,这些都是独立商城网站系统容量预估的问题,容量预估是架构师必备的技能之一。所谓,容量预估其实说白了就是,系统在down掉之前,所能承受的最大流量。这个事技术人员对于系统性能了解的重要指标。常见的容量评估包括流量、并发量、带宽、CPU,内存 ,磁盘等一系列内容。今天就来聊一聊容量预估的问题。

一,几个重要参数

 QPS:

每秒钟处理的请求数。

并发量: 系统同时处理的请求数l;

响应时间:  一般取平均响应时间;

很多人经常会把并发数和QPS 混淆,理解了上面三个要素的意义之后,就能推算出它们之间的关系:QPS = 并发量 / 平均响应时间

二,容量评估的步骤与方法

1:预估总访问量

如何知道总访问量?对于一个运营活动的访问量评估,或者一个系统上线后PV的评估,有什么好的方法?

最简单的办法就是:询问业务方,询问运营同学,询问产品同学,看产品和运营对此次活动的流量预估。

不过,业务方对于流量的预估,应该就两个指标,pv 和 用户访问数。技术人员 需要更具这两个数据,计算其他相关指标,比如  QPS 等。具体如何计算可参照我前面一篇 pv和并发 的文章。 

2:预估平均QPS

总请求数 = 总PV * 页面衍生连接数

平均QPS = 总请求数 / 总时间

比如:活动落地页1小时内的总访问量是30w pv,该落地页的衍生连接数为30  ,那么落地页的平均QPS

(30w * 30) /(60 * 60) = 2500, 

3:预估峰值QPS

系统容量规划时,不能只考虑平均QPS,而是要抗住高峰的QPS,如何评估峰值QPS呢?

这个要根据实际的业务评估,通过以往的一些营销活动的 pv 等数据进行预估。一般情况,峰值QPS大概是均值QPS的3-5倍,日均QPS为1000,于是评估出峰值QPS为5000。

不过,有一些业务例如“秒杀业务”比较难评估业务访问量,这类业务的容量评估不在此讨论。

4:预估系统、单机极限QPS

如何预估一个业务,一个服务器单机的极限QPS呢?

这个性能指标,是服务器,最基本的指标之一,所以没有其他的办法,就是压力测试。通过压力测试,算出服务器的单机极限QPS 。

在一个业务上线前,一般都需要进行压力测试(很多创业型公司,业务迭代很快的系统可能没有这一步,那就悲剧了),以APP 推送 某营销活动为例(预计 日均QPS 1000,峰值QPS 5000),业务场景可能是这样的:

1)通过 APP 推送一个活动消息 

2)运营活动H5落地页是一个web站点

3)H5落地页由缓存cache、数据库db中的数据拼装而成

通过压力测试发现,web 服务器 单机只能抗住1200的QPS,cache和数据库db 能抗住并发压力,(一般来说,1%的流量到数据库,数据库120 QPS还是能轻松抗住的,cache的话QPS能抗住,需要评估cache的带宽,这里假设cache不是瓶颈),这样,我们就得到了web单机极限的QPS是1200。一般来说,生产系统不会跑满到极限的,这样容易影响服务器的寿命和性能,单机线上允许跑到QPS 1200 * 0.8 = 960 。

扩展说一句,通过压力测试,已经知道web层是瓶颈,则可针对web 相关的做一些调整优化,以提高web 服务器 的单机QPS 。还有,压力测试工作中,一般是以具体业务的角度进行压力测试,关心的是某个具体业务的并发量和QPS。

5:回答最开始那两个问题

需要的机器  = 峰值QPS / 单机极限 QPS 

好了,上述已经得到了峰值QPS是5000,单机极限QPS是1000,线上部署了3台服务器:

(1)服务器能抗住么? -> 峰值5000,单机1000,线上3台,扛不住

(2)如果扛不住,需要加多少台机器? -> 需要额外2台,提前预留1台更好,给3台保险

三,最后

需要注意的是,以上都是计算单个服务器或是单个集群的容量,实际生产环境是由web, 消息队列,缓存,数据库 等等一系列组成的复杂集群。在分布式系统中,任何节点出现瓶颈,都有可能导致雪崩效应,最后整个集群垮掉 (“雪崩效应”指的是系统中一个小问题会逐渐扩大,最后造成整个集群宕机)。所以,要了解规划整个平台的容量,就必须计算出每一个节点的容量。找出任何可能出现的瓶颈所在。

 

文章来源:博客园

编者:云朵匠 | 数商云(微信ID:shushangyun_com)

<数商云(www.shushangyun.hk)是全球知名的企业级电子商务系统开发商,为企业提供专业的电商系统开发解决方案,其产品服务包含:B2B电子商务系统建设B2B2C多用户商城系统开发B2C电商平台搭建、新零售电商、社交电子商务平台、视频直播平台、大数据电商平台、跨境进出口电商平台等等各行业大型电子商务平台搭建服务,其产品优势:系统安全性高、可扩展性强、集群式部署、支持高并发量和高访问量>

網站聲明:以上內容為數商雲電子商務系統網站的原創文章,如需轉載,請註明出處,謝謝合作!
電商頭條文章
1 肺炎疫情防控背后,有多少“大数据”在支撑?
春节假期已近尾声,返程高峰即将到来,疫情防控工作进入关键期。1月29日召开的中央应对疫情工作领导小组会议对此做出判断“当前疫情正处于扩散阶段,局部地区有迅速上升趋势”。在此背景下,如何有效防控疫情“返程传播”成为对战疫情的重中之重。
2 瞄准靶向精准发力,全面驱动传统企业加速驶入供应链4.0时代
最近产业互联网圈子动不动就提数字化转型,再赶时髦点就是“中台”、“供应链4.0”、“赋能”、“人工智能”…… 传统企业的IT建设理念一下子进入一个混乱的时期,各种新理论满天飞,产业互联网的确在发生革命,但这种变革实质上更多的是解决企业内部价值链协作系统如何适应外部多变环境的问题。
3 如何构建高效、灵活扩展、面向大数据的实时分析平台?
随着互联网、移动互联网、物联网和各种智能终端的快速发展,各种数据无时无刻地生成,新数据的产生成大爆炸趋势,如此大数据量的实时查询和分析能力已然成为企业报表分析系统的重要考量指标。
4 锦囊微课 | 加速数据驱动价值,工业企业数字中台如何搭建?
数字经济时代的到来将“数字中台”这一概念炒的火热。回看2019年,不仅有行业内对于中台定义的百家争鸣,更有华为、腾讯、万科、京东等诸多行业头部企业带动了对数字中台落地实践的探索热潮。
5 数据中台是真火还是炒作?
马云老师在2019年说了一段话,“很多人会把数据比作石油,我们现在搭建的数据中台,就是希望扮演发电厂的角色”,这一段话,现在被大众认为是“数据中台”这个概念的起源。那么数据中台是否真的火了呢?
console.log();