我是否在正确地应用利特尔定律来为网站的工作量建模？

如何解决我是否在正确地应用利特尔定律来为网站的工作量建模？

使用这些指标（如下所示），我能够利用工作负载建模公式（利特尔定律）得出我认为是正确的设置，足以对相关应用程序进行负载测试。

从Google Analytics（分析）：

• 用户：2,159
• 浏览量：4,856
• 平均会话时长：0:02:44
• 页面/会话：2.21
• 会话：2,199

公式为N =吞吐量*（响应时间+思考时间）

• 我们计算出的吞吐量为1.35（4865次网页浏览/ 3600（一小时的秒数））
• 我们计算出（响应时间+思考时间）为74.21（平均会话持续时间164秒/每个会话2.21页）

使用该公式，我们将N计算为100（1.35吞吐量* 74.21（响应时间+思考时间））。

因此，根据我的计算，我们可以模拟高峰时段高峰时段服务器承受的负载，其中100位用户以每次迭代之间75秒的速度执行业务流程（忽略时间）。

因此，为了确定系统在比正常负载大的情况下的响应方式，我们可以将N的值加倍（200个用户）或三倍（300个用户），并记录每个事务的平均响应时间。

这一切正确吗？

解决方法

以下公式始终对我有用，如果您要计算起搏次数
"Pacing = No. of Users * Duration of Test (in seconds) / Transactions you want to achieve in said Test Duration"
您应该能够更接近要使用此公式实现的交易。如果是它的API，那么它几乎总是准确的。

例如，您想在一小时的测试持续时间内使用5个用户实现1000个交易

起搏= 5 * 3600/1000 = 18秒

,

当您直接查看站点的日志时（按会话持续时间阻止），每个块中最多可计数的IP地址数是什么？

利特尔斯法律倾向于低估会话及其开销，以支持事务吞吐量。如果您可以即时恢复会话资源，但是没关系，但是大多数站点将其保留的时间超过用户最长请求间窗口的110％（从一个请求到下一个请求的时间）。