又是周末，願大家開心。今天不寫復雜文章，來聊點簡單有趣的，探討下QPS(Query Per Second)和並發數的關系。
就我的個人經驗而言，很多人在工作中對這兩個概念一知半解，也有很多人在面試時回答得模棱兩可，不太應該哦。
多年前，在面試阿里巴巴時，遇到了一個開放性問題：
假設超市每分鍾有10個人走出來，請估算超市里面有多少人？
是不是感覺手足無措呢？嗯，可能如此。其實，這個問題沒有標准答案，關鍵還是考查思路。
我們先看一個有趣的定律，即Little's Law，如下：
在一個穩定的系統中，設長時間觀察到的平均顧客數量為L，長時間觀察到的有效到達速率為λ，平均每個顧客在系統中花費的時間是W，則有如下關系式：
L = λW
Little's Law的理解
假設有一水管，橫截面積為2平方米，水速為5米/秒，即水的流量速度是10立方米/秒，很顯然：
在長度100米的水管內，水量為200立方米，每滴水從流入到流出，耗時20秒，而水的流量速度是10立方米/秒。
也就是說，在這段水管中：
水量= 耗時 * 流量速度
這就是Little's Law. 雖然很早就意識到了這一關系式，但畢業后才第一次聽說Little's Law.
Little's Law的應用
Little's Law模型很通用，因此，在很多場景中都能得到應用，比如工業界和計算機界，都會有意或無意用到該定律。
先看一個最好懂的例子：大一新生的招收速度是5000人/年，每個學生在大學停留4年，因此，整個大學的人數就是20000.
接下來，看看騰訊公司的一道筆試題目，簡單但難倒不少人：
某互聯網產品（例如，一款網絡游戲）同時在線曲線（Average Concurrency Users，ACU）24小時數據如下圖所示。
現已知全天平均在線人數為5000人，玩家每次登陸后平均在線時長為2小時。請你估計一下，平均每分鍾約有多少玩家登錄。
這個題目中的圖是多余的，有誤導性。很顯然，根據Little's Law，答案是42.
QPS和並發數的關系
在后台開發中，經常要涉及到QPS和並發數的概念。在很多場景下都需要進行壓力測試，所以，有必要弄清它們之間的關系。
QPS和並發數的概念容易混淆，比如：1秒內並發地來了100個請求，這個100是QPS還是並發數？ 來看看它們的含義：
QPS: 請求進入的速度
並發數: 系統中同時存在的請求數
根據Little's Law，我們能得到如下的關系式：
並發數 = QPS * 耗時
以大學招生為例：大一新生的招收速度是5000人/年，每個學生在大學停留4年，整個大學的人數是20000，於是(下面的QPS改為以年為單位)：
| QPS | 耗時 | 並發數 |
| 5000人/年 | 4年 | 20000人 |
以某公司為例：180000員工，必須早上8:30-9:00之間在考勤系統簽到，每次簽到在系統需要停留0.1秒，於是：
| QPS | 耗時 | 並發數 |
| 100人/秒 | 0.1秒 | 10人 |
以動物園為例：每秒有1個人進入動物園，每個人在動物園中停留2小時，於是：
| QPS | 耗時 | 並發數 |
| 1人/秒 | 2*3600秒 | 7200人 |
假設在理想情況下，某系統的請求進入速度是1億次/秒，系統處理的時間趨近為0，那么這個系統的並發量是多少呢？很顯然：
| QPS | 耗時 | 並發數 |
| 1億次/秒 | 趨近0 | 趨近0次 |
可見，雖然每秒有1億次請求，但在某一隨機時刻觀察系統，會發現系統中不存在請求堆積的問題，系統的並發數趨近0.這是一個高QPS、低延時系統，是一個很好的系統，輕輕松松地快速處理各種請求，來一個滅一個。值得一提的是，此時並發數很低，但這不表明系統實際能夠承受的並發數很低，它實際上可能承受很高的並發數
最近，我對某系統進行了壓測，得到的數據如下(數據已經脫敏)，滿足Little's Law：並發數 = QPS * avg
到此為止，應該清楚了QPS和並發數的關系，以后在開發或壓測時，再也不會懵圈了。