php web框架实现多少qps

这个问题问的十分不专业。

qps是数据库性能指标 ？？？

关键在于你的数据库性能。

mysqli 类库 只要你的数据库服务器够强大 到3000都有可能。

如果用nosql API 上万也不难。

还是指http请求？

这个问题问得更不专业了

完全在于你前端服务器的能力，多搞点集群、SLB ，优化编译

门户级别的大网站 都可以用php ( 百度就是用的php 靴靴)

所以你这个问题问的十分莫名其妙

php 高并发解决思路解决方案，如何应对网站大流量高并发情况。本文为大家总结了常用的处理方式，但不是细节，后续一系列细节教程给出。希望大家喜欢。

一 高并发的概念

在互联网时代，并发，高并发通常是指并发访问。也就是在某个时间点，有多少个访问同时到来。

二 高并发架构相关概念

1、QPS (每秒查询率) : 每秒钟请求或者查询的数量，在互联网领域，指每秒响应请求数(指 HTTP 请求)

2、PV（Page View）：综合浏览量，即页面浏览量或者点击量，一个访客在 24 小时内访问的页面数量

--注：同一个人浏览你的网站的同一页面，只记做一次 pv

3、吞吐量（fetches/sec） ：单位时间内处理的请求数量 （通常由 QPS 和并发数决定）

4、响应时间：从请求发出到收到响应花费的时间

5、独立访客（UV）：一定时间范围内，相同访客多次访问网站，只计算为 1 个独立访客

6、带宽：计算带宽需关注两个指标，峰值流量和页面的平均大小

7、日网站带宽： PV/统计时间（换算到秒） 平均页面大小（kb） 8

三 需要注意点：

1、QPS 不等于并发连接数（QPS 是每秒 HTTP 请求数量，并发连接数是系统同时处理的请求数量）

2、峰值每秒请求数（QPS）= （总 PV 数80%）/ （六小时秒数20%）代表 80%的访问量都集中在 20%的时间内

3、压力测试： 测试能承受的最大并发数 以及测试最大承受的 QPS 值

4、常用的性能测试工具ab，wrk，httpload，Web Bench，Siege，Apache JMeter

四 优化

1、当 QPS 小于 50 时

优化方案:为一般小型网站,不用考虑优化

2、当 QPS 达到 100 时,遇到数据查询瓶颈

优化方案: 数据库缓存层,数据库的负载均衡

3、当 QPS 达到 800 时, 遇到带宽瓶颈

优化方案:CDN 加速,负载均衡

4、当 QPS 达到 1000 时

优化方案: 做 html 静态缓存

5、当 QPS 达到 2000 时

优化方案: 做业务分离,分布式存储

五、高并发解决方案案例:

1、流量优化

防盗链处理(去除恶意请求)

2、前端优化

(1) 减少 HTTP 请求[将 css,js 等合并]

(2) 添加异步请求(先不将所有数据都展示给用户,用户触发某个事件,才会异步请求数据)

(3) 启用浏览器缓存和文件压缩

(4) CDN 加速

(5) 建立独立的服务器(减少 I/O)

3、服务端优化

(1) 页面静态化

(2) 并发处理

(3) 队列处理

4、数据库优化

(1) 数据库缓存

(2) 分库分表,分区

(3) 读写分离

(4) 负载均衡

5、web 服务器优化

(1) nginx 反向代理实现负载均衡

(2) lvs 实现负载均衡

就是说服务器在一秒的时间内处理了多少个请求 —— 我们通常是指 HTTP 请求，显然数字越大代表服务器的负荷越高、处理能力越强。

就拿我昨天刚撸的这台服务器（1核1G）来说，0QPS/S~10131QPS/S

网页链接

作为一名开发者，我们最长听到的就是编程界的三高：

高性能、高并发、高可用。

听起来非常高大上，但是性能到底如何呢？又该如何评定呢？

这次我们谈一谈性能测试，看一看到底什么样才叫做高性能。

本文主要从以下几个方面进行讨论。

（1）性能测试是什么？

（2）为什么需要性能测试？

（3）性能测试如何做？

（4）有哪些性能测试的工具

老马曾经说过，你想理解一件事物，首先必须先定义它。

这里直接引用一下百科中的定义：

性能测试的定义也不难理解，往往定义本身阐述了性能测试的作用。

如果你是一名开发、测试，平时接手过不少需求，可能性能测试接触的也不多。

每一个需求，都有对应的功能性需求和肺功能性需求。

功能性需求是产品需求文档中最直接的，需要实现的功能目标。简称，能用就行。

非功能性需求则要宽泛的多，架构设计是否合理？是否便于后期拓展？是否便于监控？代码实现是否优雅？文档注释是否完整？

就像你写了一只鸟，鸟头做螺旋桨非能飞起来，但是在架构设计上可能是不合理的。

飞起来

一个查询功能，用户点击查询，10S 种才返回数据，功能上是满足的，但是性能上是不能接受的。

线上的交易功能平时各方面都很棒，节假日高峰期直接系统就瘫痪了。

那如何避免这些问题出现在生产上呢？

这就需要上线之前，首先做好对应的性能测试，避免再生产上出现问题，带来严重的生产事故。

性能要高，性能要硬，性能测试，又高又硬！

又高又硬

做一件事情之前，我们首先要确定好自己的目标。

性能测试，到底要测试什么？

有些类似于开发过程中的需求分析，常见的测试指标如下。

响应时间是指某个请求或操作从发出到接收到反馈所消耗的时间，包括应用服务器（客户端）处理时间、网络传输时间以及数据库服务器处理时间。

作为用户而言，在页面点击查询，等待了多久才能获取结果，这个就是响应时间。

用户不关心你后端经过了多少个服务，慢就是原罪。

对于微服务系统，链路监控就显得比较重要。可以帮助我们快速定位到底慢在哪里。

TPS（Transaction Per Second）是指单位时间（每秒）系统处理的事务量。

我看网上还有很多类似的概念：点击量/点击率、吞吐量/吞吐率、PV/UV，这里不做赘述。

个人看来本质上 TPS/QPS 就是去压测你应用的极限，当访问量较大的时候，程序能否活下来？

这里主要涉及到两个概念：高性能和高可用。

我们后面会简单讨论下这两点。

明确了测试指标之后，就需要进行测试的准备。

环境准备：比如你想压测数据库，那就需要准备对应配置的数据库资源。

脚本的准备：数据初始化脚本，调用脚本等。

这个可以类比开发过程中的代码开发。

ps: 性能压测一般不是很常用，所以环境准备流程会比较长，这一点需要注意。

当进行测试之后，测试的结果一定要给出一份报告出来。

是否通过压测要求？

最高的 QPS 是多少？

这样开发可以根据这份报告进行相应的优化。

提升性能的内容写一本书也不为过，这里简单罗列一些最常用的几点：

（1）慢 SQL

一般程序如果响应时间较长，可以首先看一下慢 SQL。

看下是否需要增加索引，或者进行 SQL 优化。

（2）缓存

针对查询，性能提升最显著的就是引入缓存。

当然，引入缓存会使架构变得复杂，这一点要结合自己的实际业务。

（3）硬件升级

如果程序优化的空间比较小，可以考虑升级一下硬件资源。

比如服务器配置翻倍，数据库配置翻倍。

什么？你说公司没钱升级？

没钱升级做什么压测？

这个时候测试报告的作用就显露了，直接用数据说话。

直接说 QPS 达不到生产要求，程序优化的空间很小，推荐硬件升级配置，升级到多少。

做人，要以德服人。

做测试，要用数据说话。

以德服人

测试最常用的工具当属 jmeter。

除此之外，还有一些其他的工具：

LoadRunner、QALoad、SilkPerformer和Rational Performance Tester。

下面对几个工具做下简单介绍

Apache JMeter 可以用于测试静态和动态资源(Web动态应用程序)的性能。

它可以用于模拟服务器、服务器组、网络或对象上的负载，以测试其强度或分析不同负载类型下的总体性能。

将负载测试集成到开发工具中:IDE、jUnit、nUnit、Jenkins、Selenium和Microsoft Visual Studio。

从1255版本开始，您可以运行您的JMeter脚本，并在任何性能测试中集成JMeter和附加的脚本类型。

ps: 这个设计理念就非常好，可以和成熟的工具进行整合。站在巨人的肩膀上。

QALoad是客户/服务器系统、企业资源配置（ERP）和电子商务应用的自动化负载测试工具。

QALoad可以模拟成百上千的用户并发执行关键业务而完成对应用程序的测试，并针对所发现问题对系统性能进行优化，确保应用的成功部署。

ps: 这个工具本人没有接触过。

SilkPerformerV可以让你在使用前，就能够预测企业电子商务环境的行为—不受电子商务应用规模和复杂性影响。

可视化的用户化、负载条件下可视化的内容校验、实时的性能监视和强大的管理报告可以帮助您迅速将问题隔离，这样，通过最小化测试周期、优化性能以及确保可伸缩性，加快了投入市场的时间，并保证了系统的可靠性。

作为 DevOps 方法的一部分，IBM Rational Performance Tester 帮助软件测试团队更早、更频繁地进行测试。

它验证 Web 和服务器应用程序的可扩展性，确定系统性能瓶颈的存在和原因，并减少负载测试。

您的软件测试团队可以快速执行性能测试，分析负载对应用程序的影响。

ps: 这一款工具有 IBM 提供，质量值得信赖。

这么多工具可供使用，相信读到这里的小伙伴已经找到了自己心仪的测试工具。

别急，下面专门为做 java 开发的小伙伴们推荐一款性能测试工具。

男人有男人的浪漫，开发者当然也要有开发者的浪漫。

男人的浪jpg

作为一名开发者，老马平时单元测试使用 junit 最多。

所以一直希望找到一款基于 junit 的性能压测工具，后来也确实找到了。

@JunitPerfConfig 指定测试时的属性配置。(必填项)

使用如下：

@JunitPerfRequire 指定测试时需要达到的要求。(选填项)

使用如下：

对应的测试报告生成方式也是多样的，也允许用户自定义。

基于控台日志：

或者基于 HTML:

junitperf

本文对性能测试做了最基本的介绍，让小伙伴们对性能压测有一个最基本的理解。

测试和开发一样，都是一件费时费力，而且需要认真做才能做好的事情，其中的学问不是一篇就能说清的。

性能测试工具也比较多，本文重点介绍了专门为 java 开发者打造的 junitperf 工具。

下一节我们将从源码角度，讲解一下 junitperf 的实现原理。

我是老马，期待与你的下次重逢。

开源地址：https://githubcom/houbb/junitperf

100Mbps 总带宽，假设页面平均大小为 100KB， 那么就是：

100Mbps 带宽大致能提供的实际数据流量（主要刨除各类控制数据流，比如TCP握手、封包地址信息等等；一般来说目标对象越小，浪费在控制方面的数据流就越多）一般小于 10MBps，就算是 10MBps吧

也就是说，每秒种能提供 10MB 的数据量，那么 10MB ÷ 100KB = 100 个页面。

那么从网络能力上来说，最高也就 100QPS 了。

Apache服务器也就是www服务器，由于www采用HTTP协议所以又称为HTTP服务器，用于静态页面的解析；而Tomcat服务器是应用（Java）服务器，可以说是一个Servlet容器，可以认为是Apache的扩展，本身包含了一个HTTP服务器。但是可以独立于Apache运行，主要用于动态页面提供服务，可以将JSP编译成对应的Servlet，所以是web应用服务器。

关于 QPS、TPS、PV、UV、GMV、IP、RPS 这些词语，看起来好像挺专业。但实际上，我认为是这是每个程序员必懂的知识点了，你可以搞不懂它们怎么计算的，但是你最少要了解它们分别代表什么意思。

2019年12月09日 - 初稿

阅读原文 - https://wsgzaogithubio/post/qps/

扩展阅读

Queries Per Second，每秒查询数。每秒能够响应的查询次数。

QPS 是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准，在因特网上，作为域名系统服务器的机器的性能经常用每秒查询率来衡量。每秒的响应请求数，也即是最大吞吐能力。

Transactions Per Second 的缩写，每秒处理的事务数目。一个事务是指一个客户机向服务器发送请求然后服务器做出反应的过程。客户机在发送请求时开始计时，收到服务器响应后结束计时，以此来计算使用的时间和完成的事务个数，最终利用这些信息作出的评估分。

TPS 的过程包括：客户端请求服务端、服务端内部处理、服务端返回客户端。

例如，访问一个 Index 页面会请求服务器 3 次，包括一次 html，一次 css，一次 js，那么访问这一个页面就会产生一个 “T”，产生三个 “Q”。

Page View 即页面浏览量，通常是衡量一个网络新闻频道或网站甚至一条网络新闻的主要指标。户每一次对网站中的每个页面访问均被记录 1 次。用户对同一页面的多次刷新，访问量累计。

根据这个特性，刷网站的 PV 就很好刷了。

与 PV 相关的还有 RV ，即重复访问者数量 Repeat Visitors。

访问数（Unique Visitor）指独立访客访问数，统计 1 天内访问某站点的用户数 (以 cookie 为依据)，一台电脑终端为一个访客。

（Internet Protocol）独立 IP 数，是指 1 天内多少个独立的 IP 浏览了页面，即统计不同的 IP 浏览用户数量。同一 IP 不管访问了几个页面，独立 IP 数均为 1；不同的 IP 浏览页面，计数会加 1。IP 是基于用户广域网 IP 地址来区分不同的访问者的，所以，多个用户（多个局域网 IP）在同一个路由器（同一个广域网 IP）内上网，可能被记录为一个独立 IP 访问者。如果用户不断更换 IP，则有可能被多次统计。

是 Gross Merchandise Volume 的简称。只要是订单，不管消费者是否付款、卖家是否发货、是否退货，都可放进 GMV 。

代表吞吐率，即 Requests Per Second 的缩写。吞吐率是服务器并发处理能力的量化描述，单位是 reqs/s，指的是某个并发用户数下单位时间内处理的请求数。

某个并发用户数下单位时间内能处理的最大的请求数，称之为最大吞吐率。

我用的是jmeter，写的不够专业请见谅，基本就是在一定时间内发起若干个并发连接，然后每个连接执行一次登陆操作和查询操作，对返回结果进行成功或失败判断。最终得出一个结论，比如我得到的是：

样本数量：5500；

平均连接时间：21毫秒；

95%的样本连接时间低于33毫秒；

错误率：0%；

服务器吞吐量：每秒544次；

数据流量：每秒30053KB。

当然也可以用其他软件，不过大部分都是linux下的，windows下不多，我只试用过一个pylot，需要python支持，相对jemter功能更加简单，不过设置也简单。