一、經典公式1：

   一般來說，利用以下經驗公式進行估算系統的平均併發使用者數和峰值資料

  1）平均併發使用者數為 C = nL/T

  2）併發使用者數峰值 C‘ = C + 3*根號C

    C是平均併發使用者數，n是login session的數量，L是login session的平均長度，T是值考察的時間長度

    C’是併發使用者數峰值

  舉例1，假設系統A，該系統有3000個使用者，平均每天大概有400個使用者要訪問該系統（可以從系統日誌從獲得），對於一個典型使用者來說，一天之內使用者從登陸到退出的平均時間為4小時，而在一天之內，使用者只有在8小時之內會使用該系統。

  那麼，

  平均併發使用者數為：C = 400*4/8 = 200

  併發使用者數峰值為：C‘ = 200 + 3*根號200 = 243

  舉例2， 某公司為其170000名員工設計了一個薪酬系統，員工可進入該系統查詢自己的薪酬資訊，但並不是每個人都會用這個系統，假設只有50%的人會定期用該系統，這些人裡面有70%是在每個月的最後一週使用一次該系統，且平均使用系統時間為5分鐘。

  則一個月最後一週的平均併發使用者數為（朝九晚五）：

  n = 170000*0.5*0.7/5 = 11900

  C= 11900*5/60/8 = 124

  吞吐量計算為：F = Vu * R / T 單位為個/s

    F為事務吞吐量，Vu為虛擬使用者數個數，R為每個虛擬使用者發出的請求數，T為處理這些請求所花費的時間

二、通用公式2：

  對絕大多數場景，我們用（使用者總量/統計時間）*影響因子（一般為3）來進行估算併發量。

  比如，以乘坐地鐵為例子，每天乘坐人數為5萬人次，每天早高峰是7到9點，晚高峰是6到7點，根據8/2原則，80%的乘客會在高峰期間乘坐地鐵，則每秒到達地鐵檢票口的人數為50000*80%/（3*60*60）=3.7，約4人/S，考慮到安檢，入口關閉等因素，實際堆積在檢票口的人數肯定比這個要大，假定每個人需要3秒才能進站，那實際併發應為4人/s*3s=12，當然影響因子可以根據實際情況增大！

三、根據PV計算公式：

  比如一個網站，每天的PV大概1000w，根據2/8原則，我們可以認為這1000w pv的80%是在一天的9個小時內完成的（人的精力有限），那麼TPS為：

  1000w*80%/(9*3600)=246.92個/s,取經驗因子3，則併發量應為：

  246.92*3=740

四、根據TPS估計：

   公式為 C = (Think time + 1)*TPS

五、根據系統使用者數計算：

   併發使用者數 = 系統最大線上使用者數的8%到12%

備註：本人目前在網上只找到了這5種，計算併發使用者數的方法，其他計算方法，歡迎大家留言補充