题目：某电商 App 要在大促前做全链路性能压测，已知大促预估日订单量 5000 万单、日接口请求量 40 亿次。请问你如何推算压测目标（QPS / 并发数），并设计压测模型？（面试口述）
难度：高级
题型：面试口述题
参考答案/答题要点：
- 先拿数据，别拍脑袋：现网有历史就取网关/埋点的真实峰值 QPS 与分时段曲线；纯新业务才用运营预估业务量反推。
- 峰值换算（二八原则）：40 亿/天 → 80% 请求集中在 20% 时间 → 平均峰值 QPS ≈ 4e9×0.8/(86400×0.2) ≈ 18.5 万。再叠加大促增长系数（一般取日常峰值的 3~5 倍）作为压测目标值，并按 1.2~1.5 倍留安全水位。
- 并发用户数与 QPS 的区分：并发数 ≈ QPS ×（响应时间 + 思考时间），下单场景思考时间长，不能用「并发数 = QPS」糊过去；要说清压的是「并发用户」还是「TPS/QPS」，两者目标要分别给。
- 流量模型按真实占比：拉接口调用分布（帕累托前 20 个接口占 80% 流量），按线上真实比例混合施压，重点覆盖下单、支付、库存扣减、优惠券等写链路，别只压读接口和查询。
- 数据与环境约束：参数化数据量要够（避免唯一索引冲突导致假失败）、缓存命中率对齐线上、影子库表与压测流量打标（防止污染生产数据）、第三方依赖用 Mock 挡板并单独压测真实链路。
- 场景分层：基准（单接口摸底单机能力）→ 负载（预期峰值看 SLA）→ 压力（找拐点与最大容量）→ 稳定性（峰值 80% 跑 8~12 小时看内存泄漏/连接堆积）→ 尖峰秒杀（瞬时高并发）→ 故障演练（限流降级兜底）。
- SLA 与结论输出：明确目标（如成功率 ≥ 99.99%、核心接口 P99 ≤ 200ms），压测结束给容量水位表：单机 TPS × 实例数 = 集群容量，按 70% 水位反推需要的机器数与扩容预案，同时给出瓶颈项和风险清单。
- 加分：能说清「压测本身可能压挂下游/中间件」的前置沟通、限流阈值的验证要专门做一轮、压测环境差异（配置、数据量级）对结论的影响。
