題目

有一個消息隊列集群，集群里每臺Broker的響應(yīng)時間RT都不一樣，但是每臺Broker的極限服務(wù)QPS都是一樣的，超過這個QPS會出現(xiàn)過載雪崩。而消息的生產(chǎn)者客戶端，每次發(fā)送都會選擇其中的一臺broker來發(fā)送，一般來說發(fā)送邏輯是運行在一個線程池里面。假設(shè)cpu資源充足，通過實現(xiàn)一個負載均衡算法，使得生產(chǎn)者能夠達到最大吞吐量，最優(yōu)的平均響應(yīng)時間，但是又不能把任何一臺服務(wù)器壓垮。已知每個broker的rt、極限qps，消息生產(chǎn)者的線程數(shù)量，請求總數(shù)，如果采用吞吐量最優(yōu)的算法，求處理完所有請求需要的耗時，單位毫秒。
概念說明：
QPS：query per second， 每秒請求量
RT：response time，請求的響應(yīng)時間（單位為ms）
Broker：消息隊列的服務(wù)器

背景知識

有一個重要的公式：

QPS(事務(wù)數(shù)/s)=并發(fā)數(shù)響應(yīng)時間(s)
每臺服務(wù)器都有一個最大的QPS，服務(wù)器的響應(yīng)時間的倒數(shù)是1臺客戶訪問時，每秒服務(wù)器可以處理的事務(wù)數(shù)。當(dāng)有多個客戶進行訪問的話，服務(wù)器就會開多個線程（進程），在每個線程（進程）中，響應(yīng)時間不會有太大變化（在客戶數(shù)不多的情況下），那么QPS就可以隨著并發(fā)數(shù)的增加而增加了。但凡事都有個度，當(dāng)并發(fā)數(shù)增加到一定時，響應(yīng)時間就會明顯增加了。線程（進程）變多了，服務(wù)器花費在調(diào)度上的時間比例就增加了。

在真實情況下，響應(yīng)時間可以根據(jù)業(yè)務(wù)情況進行估算。比如對于人們?yōu)g覽一個網(wǎng)站，響應(yīng)時間100ms和500ms是沒有區(qū)別的。根據(jù)QPS的公式，在服務(wù)器最大QPS不變的情況下，增大響應(yīng)時間可以增大并發(fā)數(shù)，就是一臺服務(wù)器可以服務(wù)更多的客戶，從而減少服務(wù)器成本。

回到題目

題目中已經(jīng)給出了main()函數(shù)，我們需要完成doneTime()函數(shù)。對于題目中給出的例子，共有10個線程，5個服務(wù)器。我原本以為只有一個客戶端，最多只能有10個線程，后來發(fā)現(xiàn)并不是這樣的。我們可以5個客戶端50個線程一起去訪問5個服務(wù)器。那么對于每個服務(wù)器，響應(yīng)時間和并發(fā)數(shù)都已知，那么QPS就可以計算出來，若QPS太大，就取QPS的上限。將5個QPS相加，就是這個集群的QPS。請求總數(shù)除以集群的QPS就是花費的時間。
按照自己的理解，畫出題目中的例子表達圖，有利于理解情景。

import java.util.Scanner;

public class Main {

    public static void main(String[] args)  {
        Scanner in = new Scanner(System.in);
        int maxQps= Integer.valueOf(in.nextLine());
        final String[] rtList = in.nextLine().split(",");
        final int requestNum = Integer.valueOf(in.nextLine());
        final int threadNum = Integer.valueOf(in.nextLine());
        System.out.println(doneTime(maxQps, rtList, requestNum, threadNum));
    }
    /**
     * 如果使用最優(yōu)的最大吞吐量負載均衡算法，按照最優(yōu)模型多久能夠處理完所有請求，單位毫秒。
     * @return
     */
    static long doneTime(int maxQps,String[] rtList,int requestNum,int threadNum) {
        //TODO
        int qpsSum = 0;
        for (String rtString : rtList) {
            int singleMaxQps = threadNum * 1000 / Integer.valueOf(rtString);
            if (singleMaxQps > maxQps) {
                qpsSum += maxQps;
            }else {
                qpsSum += singleMaxQps;
            }
        }

        return requestNum / qpsSum * 1000;
    }
}

【Reference】
http://www.cnblogs.com/zhulin-jun/p/6597074.html
https://dearhwj.gitbooks.io/itbook/content/test/performance_test_qps_tps.html

總結(jié)

以上是生活随笔為你收集整理的QPS的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。