PS：自己在公司的一个分享总结，贴到blog里。
先说说一些理论的公式：
最佳线程数：
很多资料上有讲N+1，或者N-1，这两种情况在保证线程持续运行的情况，也许可
以适用；但是在时间的应用场景中，一个业务的处理，线程不可能一直处理运行状
态，比如当调用外部WS，或者DB操作时，都有可能存在IO阻塞，在这段时间线程是没
有运行的，因此如果只是按照核数确定线程数，不太合理。
请求响应时间（线程执行总时间）：
一个请求开始到结束的总时间，也就是一个线程执行的总时间，包括线程在CPU上
运行的时间+线程阻塞等待的时间。
资源占用时间：
首先要搞明白，何为资源？很多人第一个想到的肯定是CPU，性能优化的核心问题
是：哪里有性能问题？那些资源有性能问题。并发情况下，资源的抢占是影响性能的
主要原因。
在某些业务场景，CPU是主要的瓶颈资源，业务执行，占用了大量的CPU运
算时间，并发请求主要在等待CPU的调度执行，因此，此时，CPU为瓶颈资源，资源占
用时间=业务在CPU上运行的时间。
还有的场景，在等待稀有的共享资源，比如数据库连接，或者数据库锁。比如锁
为昂贵的稀缺资源，锁具有互斥排他性，一个线程占据锁，其他线程必须阻塞等待，
此时并发性能受到严重的影响。因此，此时，锁为瓶颈资源，资源占用时间=业务在
锁独占时间。
还有的场景，调用外围时，外围的响应时间较长，这种情况也造成QPS较低，外围
响应时间较长，如果没有很好的超时机制，会带来比较严重的后果。单纯的增加线程
池数量，或者等待队列的长度，可以提高应用的吞吐量，但是可能有很大的负载压
力。
资源并行数：
同一个时间点，可以并发执行的请求数。比如CPU场景下，并行数=CPU核数；锁独
占的情况下，如果共享资源一个，那么并行数=1。
最佳线程数 = 线程执行总时间 / 资源占用时间 * 资源并行数
QPS = 最佳线程数 * 1000 / 线程执行总时间
QPS = 1000 / 资源占用时间 * 资源并行数
性能优化远没有PPT中说的那么简单，这里只是想说明下QPS相关的一些影响要
素。QPS的计算公式也只是理论上的，在实际的案例中肯定是低于理论值：比如一个
应用，如果user cpu使用率已经到了80%左右，sys cpu已经15%左右，一般此时已经
就到达应用的瓶颈，在增加流量，就可能造成应用出现QPS不增反降的情况，甚至造
成崩溃。
有的应用，通过增加压力，QPS不上升，CPU占用也不高，说明性能瓶颈不在CPU上
单纯的增加CPU是无效的。
