为了建立高频率和高可用系统体系结构，压力测量和容量估计至关重要。在发现了系统瓶颈后，有必要扩展和优化IT.com.com.banter.com，以提供房东的经验和知识，本文简单地摘要并欢迎讨论。
从一开始，有必要明确定义QPS保证目标以计算所需的服务和存储资源。可以根据QPS的同一时期或通常的峰值的2至3次估算。
压力测试目标的示例：
服务QPS上限=工作线程编号 * 1/平均单个请求处理时间 - 累积时间 - 累积时间
主要遵循以下几点：
Dubbo工作线程配置例如：
实际的压力测试受到。或在线调整权重，指导更多的流量以访问一个实例，并在记录达到阈值时记录QP。据估计，可以估计单个实例的最大QP。
Dominic类型：从上到下，建议从大到小设置中使用超时时间，也就是说，底部/下游服务的超时时间不应设置过多；否则，可能存在问题的问题是，基础/下游服务线程池已经用尽，然后拒绝请求（投掷Java.util.concurrent.concurrent.rejectexecutionException），是上游服务可用于上游服务，以及下游服务/下游服务。下游服务仍在执行。上游请求将继续进行底部/下游服务，直到线程池耗尽并拒绝新请求为止。不良情况是全班同类的雪崩，上游服务也消耗了线程池，无法响应新的请求。特定的超时时间取决于接口的响应时间。您可以参考95点或99点响应时间，该时间稍大。Dubbo超时时间示例：可以在服务器和客户端上设置。建议在服务器上设置默认超时时间，并且客户端也可以覆盖超时。
如果有多个呼叫，则没有订单依赖性。为了提高性能，可以考虑异步调用。Dubbo异步呼叫示例：
特殊部分直接限于异常流动。
例如：1个核心操作，检查3个缓存，编写1个缓存，检查两次数据库，编写1个数据库，发送1个MQ消息，调整下游服务的接口a；
为了读取缓慢的存储，大倍数为3，写作速度的大倍数为1，数据库的大倍数为2，数据库的大倍数为1，MQ扩增倍数为1，并且放大倍数是下游服务A为1。对于大量次，您需要考虑主库是否可以保存可以放大的QP。请注意：
存储资源的上限与机器的特定配置有关。当然，8C32G模型的QPS极限当然高于4C16G模型。下表是典型的值示例。
db数千库子表示例*单个实例QPS，实例数为1?数据库数（可以到达数百个）redis redis redis redis群集的示例数量*单个实例QPS，其中示例为示例这是数字范围为1到许多胶片的一个例子（可以达到数百张薄膜），并且可以将数百万个MQ的部分部分分区分配给总QP。每件最多可服务。实例是1?区域数字千数？shard划分示例数*单个实例QPS，示例范围为1? shard原始：https：//juejin.cn/post/710049520098943013