交易系统容量规划核心概念：QPS、TPS、响应时间、并发数、资源利用率等指标详解
章节定位：容量规划面试中，面试官常通过基础指标考察候选人的理解深度与系统思维。本章拆解每个指标的定义、计算公式、关联关系及陷阱，并提供结构化回答框架。
📊 核心指标速查表
| 指标 | 定义 | 常用公式 / 关系 | 面试注意点 |
|---|---|---|---|
| QPS（每秒查询数） | 系统每秒能处理的请求数 | QPS = 并发数 / 平均响应时间 | 区分读写类型，注意长连接与短连接的影响 |
| TPS（每秒事务数） | 系统每秒完成的事务数（事务可能含多个请求） | TPS = QPS × 事务内请求数（或直接压测得到） | 明确事务边界，银行转账等场景更关注TPS |
| 响应时间（RT） | 从发起到收到完整响应的时间 | 通常关注平均值、TP99、TP999 | 长尾延迟比平均值更重要 |
| 并发数 | 同一时刻系统处理的请求/事务数量 | 并发数 = QPS × 平均响应时间 | 区分在线用户数与并发操作数 |
| 资源利用率 | CPU、内存、IO等资源的使用比例 | 利用率 = 实际负载 / 容量上限 | 避免单一指标过度优化，关注瓶颈资源 |
🧠 面试回答框架：如何系统讲解容量指标？
图1：回答容量指标时的递进逻辑——先定义、后公式、再关系、附案例，最后考虑异常边界。
🔍 面试追问路径：从基础定义到深度应用
图2：面试官典型追问路径——先确认你是否真懂定义，再考察公式推导、场景化应用及异常处理能力。
📌 面试问答卡片（3组）
Q1：请解释QPS、TPS、响应时间、并发数、资源利用率之间的关系。
🎯 面试官考察点：是否理解各指标本质，能否用公式串联，是否考虑实际业务差异（如读/写、同步/异步）。
① 分别定义各指标 → ② 给出核心公式（并发数 = QPS × RT） → ③ 说明TPS是QPS在特定事务下的变形 → ④ 资源利用率是上述指标对硬件的压力体现 → ⑤ 举例说明（如下单场景）
📝 简短示例回答（70字）：
“以交易系统为例，即时并发1000时，若平均RT为200ms，则QPS为5000。TPS需看一笔交易含几次请求（如下单+支付共3次），则TPS≈1667。资源利用率取决于服务器容量，通常用CPU、内存使用率衡量压力。”
🔍 可能追问：如果RT出现长尾，QPS如何估算？你的并发数是活跃用户还是实际操作数？
Q2：如何通过压测确定系统的容量上限？主要关注哪些指标？
🎯 面试官考察点：压测方法论、指标选取（不仅仅是QPS）、拐点识别、资源瓶颈分析能力。
① 设计压测场景（业务模型、数据分布） → ② 从低并发逐步加压，记录QPS、RT、错误率、CPU/内存/IO → ③ 找到“拐点”（QPS不再线性增长或RT急剧上升） → ④ 对比资源利用率，定位瓶颈（CPU饱和 or 数据库连接池满） → ⑤ 给出容量建议（安全水位通常为上限的70%）
📝 简短示例回答（85字）：
“我们先用1/10预估并发开始压测，每阶段提升20%并发。当QPS从6000升至6500但RT从50ms跳到200ms时，观察CPU已达90%、DB连接池占满，据此认定容量上限为6000 QPS，建议生产控制在线路50%。”
🔍 可能追问：如果压测机成为瓶颈怎么办？如何排除网络抖动影响？
Q3：高并发下为什么会出现响应时间急剧上升？与资源利用率的关系是什么？
🎯 面试官考察点：是否理解排队论原理（Little’s Law）、资源竞争导致性能下降的机制，能否用公式解释。
① 引用 Little's Law：并发数 = QPS × RT，当资源利用率接近100%时，请求等待时间变长 → ② 资源利用率（ρ = 负载/容量）超过80%后，排队时间呈指数增长 → ③ 举例：CPU利用率90%时，等待时间可能是利用率50%时的10倍+ → ④ 结论：保持资源利用率在合理阈值（CPU<75%，IO<70%）
📝 简短示例回答（90字）：
“假设单核CPU处理一个请求需10ms，当并发到达100时，若CPU利用率已达90%，根据Little's Law，实际RT ≈ 处理时间/(1-利用率) = 10ms/0.1 = 100ms。利用率越高，分母越小，RT急剧放大。因此必须预留给余量。”
🔍 可能追问：如果线程池、连接池等有界资源也饱和，如何影响RT？如何优化？