单数据库容量庞大时通过此方法可优化速度。
并发数经典公式：
平均并发用户数为 C = nL/T
并发用户数峰值 C‘ = C + 3*根号C
C是平均并发用户数
n是login session的数量
L是login session的平均长度
T是值考察的时间长度
C’是并发用户数峰值
举例1，假设系统A，该系统有3000个用户，平均每天大概有400个用户要访问该系统（可以从系统日志从获得），对于一个典型用户来说，一天之内用户从登陆到退出的平均时间为4小时，而在一天之内，用户只有在8小时之内会使用该系统。那么，
平均并发用户数为：C = 400*4/8 = 200
并发用户数峰值为：C‘ = 200 + 3*根号200 = 243
举例2， 某公司为其170000名员工设计了一个薪酬系统，员工可进入该系统查询自己的薪酬信息，但并不是每个人都会用这个系统，假设只有50%的人会定期用该系统，这些人里面有70%是在每个月的最后一周使用一次该系统，且平均使用系统时间为5分钟。则一个月最后一周的平均并发用户数为（朝九晚五）：
n = 170000*0.5*0.7/5 = 11900
C= 11900*5/60/8 = 124
吞吐量计算为：F = Vu * R / T 单位为个/s
F为事务吞吐量
Vu为虚拟用户数个数
R为每个虚拟用户发出的请求数
T为处理这些请求所花费的时间
对绝大多数场景，我们用（用户总量/统计时间）*影响因子（一般为3）来进行估算并发量。比如，以乘坐地铁为例子，每天乘坐人数为5万人次，每天早高峰是7到9点，晚高峰是6到7点，根据8/2原则，80%的乘客会在高峰期间乘坐地铁，则每秒到达地铁检票口的人数为50000*80%/（3*60*60）=3.7，约4人/S，考虑到安检，入口关闭等因素，实际堆积在检票口的人数肯定比这个要大，假定每个人需要3秒才能进站，那实际并发应为4人/s*3s=12，当然影响因子可以根据实际情况增大！
根据PV计算公式：
比如一个网站，每天的PV大概1000w，根据2/8原则，我们可以认为这1000w pv的80%是在一天的9个小时内完成的（人的精力有限），那么TPS为：1000w*80%/(9*3600)=246.92个/s,取经验因子3，则并发量应为：246.92*3=740
根据TPS估计：
公式为 C = (Think time + 1)*TPS
根据系统用户数计算：
并发用户数 = 系统最大在线用户数的8%到12%
侵删转自：谷白
相关视频链接：分库分表操作演示
相关链接：服务器并发书取决于那些
相关链接：高并发WEB网站优化方案
相关链接：简单模拟一下ab压力测试
相关整理中暂编~
