以下是计算机领域中 QPS、TPS 及相关性能名词的详细解释，涵盖定义、计算方法、典型场景和对比：
一、核心概念解析
1. QPS（Queries Per Second）
- 定义：每秒查询数，指系统每秒能处理的 请求数量（如 HTTP 请求、API 调用）。
- 适用场景：
- Web 服务器（Nginx、Apache）
- 缓存系统（Redis）
- 搜索引擎（Elasticsearch）
- 计算公式：
QPS = 总请求量 / 请求耗时（秒）
示例：某 API 1 分钟内处理 6000 次请求 → QPS = 6000 / 60 = 100
2. TPS（Transactions Per Second）
- 定义：每秒事务数，指系统每秒能完成的 完整事务数（一个事务包含多个关联操作）。
- 关键特征：
- 事务需满足 ACID（原子性、一致性、隔离性、持久性）。
- 常见于数据库（如 MySQL 的转账操作：扣款+收款）。
- 计算公式：
TPS = 成功事务总数 / 总耗时（秒）
3. QPS 与 TPS 的关系
| 指标 | 关注点 | 范围 | 典型场景 |
|---|
| QPS | 请求吞吐量 | 单次请求 | 查询接口、静态资源 |
| TPS | 业务完整性 | 多步骤事务 | 支付、订单提交 |
- 关联性：
- 一次事务（如支付）可能包含多个 QPS（查询库存 → 扣款 → 生成订单）。
- 因此 TPS ≤ QPS（当 1 个事务 = 1 次请求时，两者相等）。
二、其他关键性能指标
1. RT（Response Time）
- 定义：请求从发出到收到响应的 耗时（单位：毫秒）。
- 分层测量：
- 网络传输时间
- 服务器处理时间（CPU + I/O）
- 数据库查询时间
- 健康标准：
- 普通 API：RT < 500ms
- 高频交易系统：RT < 100ms
2. 并发数（Concurrency）
- 定义：系统 同时处理 的请求数量。
- 类型：
- 连接并发数（TCP 连接数）
- 业务并发数（如同时在线用户数）
- 与 QPS/TPS 的关系：
QPS ≈ 并发数 / 平均 RT
示例：并发 1000，RT=50ms → QPS ≈ 1000 / 0.05 = 20,000
3. 吞吐量（Throughput）
- 广义定义：单位时间内系统处理的 数据总量（如 MB/s）。
- 网络场景：带宽吞吐量（如 1Gbps）。
4. IOPS（Input/Output Operations Per Second）
- 定义：存储设备每秒的 I/O 操作次数（读/写）。
- 影响场景：
- 数据库写入（MySQL TPS 受限于磁盘 IOPS）
- 虚拟机磁盘性能
- 参考值：
- SATA SSD：约 10 万 IOPS
- NVMe SSD：约 100 万 IOPS
三、性能指标关联模型
四、实际应用案例
场景：电商大促系统容量评估
- 目标：支撑 10 万用户/秒的抢购请求。
- 关键指标计算：
- QPS 需求：10 万请求/秒（用户层）→ 网关层需承载 20 万 QPS（考虑重试、缓存穿透）。
- TPS 需求：每个订单含 3 个事务（扣库存 → 支付 → 生成订单）→ TPS = 10 万 × 3 = 30 万。
- 数据库压力：
- 需 30 万 TPS → 选择支持 50 万 IOPS 的 NVMe SSD 集群。
- 若单次写操作 RT=5ms → 需数据库连接池 ≥ 1500（公式：并发数 = TPS × RT）。
五、性能测试工具
| 工具 | 适用指标 | 特点 |
|---|
| JMeter | QPS、RT、并发数 | 图形化界面，支持分布式压测 |
| wrk | QPS、吞吐量 | 轻量级命令行，高并发低开销 |
| Sysbench | TPS、IOPS | 专注数据库性能测试 |
| ab | QPS | Apache 内置工具，快速简单 |
总结：核心指标对比表
| 名词 | 全称 | 单位 | 测量目标 | 核心依赖 |
|---|
| QPS | Queries Per Second | 次/秒 | 请求处理速度 | CPU、网络带宽 |
| TPS | Transactions Per Second | 次/秒 | 事务完成速度 | 数据库、磁盘 IOPS |
| RT | Response Time | 毫秒 | 单请求延迟 | 代码效率、I/O 性能 |
| IOPS | Input/Output Operations Per Second | 次/秒 | 存储 I/O 能力 | 磁盘类型、RAID 配置 |
| 并发数 | Concurrency | 个 | 系统并行处理能力 | 内存、线程池大小 |
掌握这些指标有助于：
✅ 精准评估系统容量
✅ 快速定位性能瓶颈（如 TPS 低 → 查数据库或磁盘 IOPS）
✅ 设计高可用架构（如 QPS 10万+ 需引入负载均衡+分布式缓存）
