面试官：如何估算接口的QPS

以下是估算接口QPS的完整方法论，综合多种技术场景和实践经验，分为基础计算、工程实现、性能优化三个维度：

一、基础计算模型

1. ​核心公式法
   ​QPS = 接口总请求数 / 时间段（秒）​

   • 适用场景：离线统计分析、压测基准
   • 示例：某接口15分钟处理2400次请求 → 2400/(15×60)=2.67 QPS
   • 注意事项：需选择足够长时间窗口（建议≥5分钟）避免瞬时波动

2. ​二八原则估算

   • 公式：QPS峰值 = (日PV×80%) / (86400秒×20%)
   • 示例：日请求量300万 → (3,000,000×0.8)/(86400×0.2)=139 QPS
   • 适用场景：非集中式访问接口的容量规划

3. ​并发线程模型

   • 公式：QPS = 并发线程数 × (1000 / 平均耗时ms)
   • 示例：200线程处理150ms请求 → 200×(1/0.15)=1333 QPS
   • 局限：未考虑IO阻塞、数据库连接池限制等实际因素

二、工程实现方法

1. ​日志分析法

   • 埋点统计：在接口代码添加唯一标识日志（如"渣渣烟"字符串），通过grep | cut | uniq命令统计请求次数
   • Tomcat Access Log：开启日志记录后，用命令链cat xx.log | grep 'GET /api' | cut -d ' ' -f4 | uniq -c提取时间窗口内的请求密度

2. ​压测工具法

   • JMeter实战：

     • 创建线程组模拟并发用户，配置Summary Report监听器
     • 通过聚合报告（Aggregate Report）直接读取Throughput字段值作为QPS

   • 压测曲线分析：逐步增加并发线程，观察吞吐量拐点（成功率下降或响应时间陡增）

3. ​实时监控系统

   • Prometheus打点：在代码中埋入Counter.Inc()，通过PromQL计算速率（rate函数）

   • 滑动窗口算法：

     • 使用环形数组分桶（如200ms/桶），统计窗口内（如最近1秒）请求总和
     • 工程实现参考Guava RateLimiter、Sentinel等限流组件

三、高级场景优化

1. ​集群QPS估算

   • 公式：集群QPS = 单实例QPS × 实例数 × 负载均衡效率系数
   • 示例：32台轮询负载实例，单机QPS 50 → 理论最大1600 QPS
   • 注意点：需考虑会话保持、热点数据导致的负载不均

2. ​性能瓶颈预判

   接口类型	典型QPS范围	优化方向
   数据库读写型	100-5,000	缓存、分库分表
   内存计算型	10,000-100,000	无锁结构、批处理
   AI推理型	100-400（GPU加速）	模型量化、异步批处理

四、注意事项

1. ​数据准确性

   • 排除心跳检测、健康检查等非业务请求
   • 分布式环境下需聚合所有节点日志

2. ​时间窗口选择

   • 监控场景建议5分钟级平滑曲线
   • 限流场景需200ms级细粒度窗口

3. ​性能反推验证

   • 通过ab -n 10000 -c 100 http://api等工具实测极限值
   • 对比理论计算与实测值的差异（通常因线程切换、GC停顿产生20%-30%偏差）

通过上述方法组合使用，可覆盖从需求评估、开发测试到线上监控的全生命周期QPS管理。对于高并发系统，建议采用滑动窗口监控+压测验证的组合策略，既能保证实时性又能验证系统极限容量。