架构与系统设计 / 系统课时
QPS 和峰值流量怎么算
QPS 和峰值流量怎么算
系统设计面试里,QPS 不是猜一个“大概很高”的数字,而是把用户规模、活跃比例、单个活跃用户的请求频次和峰值系数串起来。只要把假设说清楚,就能得到可复算的平均 QPS 与峰值 QPS,并据此判断缓存、服务实例和数据库压力。
学习目标
- 能从用户量、活跃率和请求频次推导平均 QPS。
- 能用峰值系数估算忙时流量,并说明系数来源。
- 能识别估算中最值得追问和修正的假设。
先把业务量换成请求量
最常见的起点是 DAU,也可以从注册用户乘日活率得到 DAU。假设系统有 1000 万注册用户,日活率为 20%,那么 DAU 约为 200 万。若每个活跃用户每天平均发起 30 次需要后端处理的请求,则每天请求量约为 6000 万次。
平均 QPS 的本质是“单位时间内平均请求数”:
代入 6000 万次请求,可得平均 QPS 约为 694。这里的 86400 是一天的秒数。面试中不要只报结果,还要说明“30 次请求”是否包含静态资源、轮询、后台刷新等,否则这个数字可能与真正打到业务服务的请求量差很多。

峰值 QPS 要看流量集中程度
平均值不能直接用于容量设计,因为真实流量通常集中在白天或活动时段。可以引入峰值系数:
如果普通消费类产品的忙时大约是全天平均值的 3 倍,那么峰值 QPS 约为 2080。遇到秒杀、直播开播、发薪日或消息推送等明显脉冲场景,3 倍可能远远不够,此时应该改用“峰值窗口内的请求数 ÷ 窗口秒数”直接估算,而不是机械套系数。
把假设写成可调整的变量
一个便于口算的表达是:注册用户数 × 活跃率 × 每活跃用户每日请求数 ÷ 86400 × 峰值系数。这个公式的价值不在精确到个位,而在于可以快速做敏感性分析。
例如,活跃率从 20% 提升到 30%,其他条件不变,QPS 会线性增加 50%;若客户端从每分钟刷新一次改成每 10 秒轮询,请求频次会增加 6 倍。相比“用户增长一点”,这种请求模型变化往往更能改变架构压力。
用结果支撑架构选择
得到峰值 QPS 后,再把它映射到组件能力,而不是停在计算本身。若单个应用实例在目标延迟下可稳定处理 500 QPS,2080 QPS 至少需要 5 个实例才能覆盖纯吞吐,实际还要再留故障与增长余量。数据库、缓存和下游服务也要分别估算,因为它们承受的请求比例并不相同。
容量估算允许粗略,但不能失去可解释性。一个好的面试答案应同时给出计算结果、关键假设和最敏感的变量,让面试官能看出你知道数字会怎样影响后续架构。