在實際的效能測試中，經常接觸到的與併發使用者數相關的概念還包括“併發使用者數”、“系統使用者數”和“同時線上使用者數”，下面用一個實際的例子來說明它們之間的差別。

假設有一個OA系統，該系統有2000個使用使用者——這就是說，可能使用該OA系統的使用者總數是2000名，這個概念就是“系統使用者數”，該系統有一個“線上統計”功能（系統用一個全域性變數記數所有已登入的使用者），從線上統計功能中可以得到，最高峰時有500人線上（這個500就是一般所說的“同時線上人數”），那麼，系統的併發使用者數是多少呢？

根據我們對業務併發使用者數的定義，這500就是整個系統使用時最大的業務併發使用者數。當然，500這個數值只是表明在最高峰時刻有500個使用者登入了系統，並不表示實際伺服器承受的壓力。因為伺服器承受的壓力還與具體的使用者訪問模式相關。例如，在這500個“同時使用系統”的使用者中，考察某一個時間點，在這個時間上，假設其中40%的使用者在較有興致地看系統公告（注意：“看”這個動作是不會對服務端產生任何負擔的），20%的使用者在填寫複雜的表格（對使用者填寫的表格來說，只有在“提交”的時刻才會向服務端傳送請求，填寫過程是不對服務端構成壓力的），20%部分使用者在發呆（也就是什麼也沒有做），剩下的20%使用者在不停地從一個頁面跳轉到另一個頁面——在這種場景下，可以說，只有20%的使用者真正對伺服器構成了壓力。因此，從上面的例子中可以看出，伺服器實際承受的壓力不只取決於業務併發使用者數，還取決於使用者的業務場景。

在實際的效能測試工作中，測試人員一般比較關心的是業務併發使用者數，也就是從業務角度關注究竟應該設定多少個併發數比較合理，因此，在後面的討論中，也是主要針對業務併發使用者數進行討論，而且，為了方便，直接將業務併發使用者數稱為併發使用者數。

（1）  計算平均的併發使用者數： C =nL/T 

（2）  併發使用者數峰值： C’ ≈ C+3*√C

公式（1）中，C是平均的併發使用者數；n是login session的數量；L是loginsession的平均長度；T指考察的時間段長度。

公式（2）則給出了併發使用者數峰值的計算方式中，其中，C’指併發使用者數的峰值，C就是公式（1）中得到的平均的併發使用者數。該公式的得出是假設使用者的loginsession產生符合泊松分佈而估算得到的。

例項：

假設有一個OA系統，該系統有3000個使用者，平均每天大約有400個使用者要訪問該系統，對一個典型使用者來說，一天之內使用者從登入到退出該系統的平均時間為4小時，在一天的時間內，使用者只在8小時內使用該系統。

則根據公式（1）和公式（2），可以得到：

C = 400*4/8 = 200

C’≈200+3*√200 = 242