Tomcat最大并发数及在线用户数
一：关于系统用户数，并发用户数，在线用户数，吞吐量概率
1.系统用户数
侠义上来说，可以理解为系统注册用户数；广义上来说，可以理解为所有访问过系统的用户数
2.在线用户数
侠义上来说，可以理解为已登录系统的用户数；广义来说，可以理解为当前时间访问系统的用户数。
3.并发用户数
可以分两种：
1）同一时间点，执行同一（业务）操作的用户数
2）同一时间点，执行不同（业务）操作的用户数
注意：服务器实际承受的压力并不完全取决于并发用户数，详情见下面的例子。
例子：
作为专业软件测试论坛，会有很多测试者去论坛注册帐号。
假设到现在已有75万在该论坛注册会员，那我们可以说，该论坛拥有75万的系统用户；
假设在某日早上9点，已有10万会员登陆了论坛，那么我们可以说，该论坛在某日9点时拥有10万的在线用户；
假设在这10万已登陆会员中，某个时间点，有2万会员正在提交新帖子，有3万会员正在编写帖子(假设编写帖子不会产生服务器请求操作)；有1万会员在帖子页面浏览某帖子内容；有1万会员正在发呆，啥也不做；还有3万会员正在点击某个帖子，那么我们可以说，某时间点，有2万个并发用户在提交新帖子，有3万个并发用户在编写帖子，有1万个并发用户浏览帖子内容，有3万个并发用户在点击某个帖子，，系统有9万的并发用户。
值得注意的是，这9万并发用户中，真正对系统产生压力的只有5万用户，即提交新帖和点击帖子的用户。换句话说，仅对系统发起了请求的并发用户才会对系统施加压力
4.吞吐量
性能测试中，可以侠义的理解为“单位时间内系统处理的用户请求的数量”。一般情况，吞吐量用请求数/秒、页面数/秒来衡量，从业务的角度，吞吐量也可用单位时间内的访问人数、处理的业务数等进行衡量。从网络角度来，也可以单位时间内的处理的数据量等进行衡量。
例如：
对于一个Web应用系统来说，从系统的处理能力考虑，可以以页面数/秒作为吞吐量的标准；对一个银行的前台业务来说，可以以其单位时间内处理的业务数作为吞吐量的标准。
二：计算方法
我们都知道tomcat 默认并发数为150-250，但是这么计算出最大在线用户数呢；
1、经典公式1： 一般来说，利用以下经验公式进行估算系统的平均并发用户数和峰值数据
1）平均并发用户数为 C = nL/T 2）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 = 4004/8 = 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 = 1700000.50.7/5 = 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
2、通用公式2： 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5000080%/（36060）=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！
3、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： 1000w80%/(93600)=246.92个/s,取经验因子3，则并发量应为： 246.92*3=740
4、根据TPS估计： 公式为 C = (Think time + 1)*TPS
5、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%
三：结论
通过第5种方法计算得出最大在线用户2000-3000；