复杂度定量分析法：从业务量倒推性能目标

复杂度分析（高可用、高性能、可扩展等）最忌讳完全拍脑袋式决策，每个约束和限制都应该有详细的逻辑推导过程。书中以”前浪微博”消息队列的高性能分析为例，展示了一套从真实业务量倒推系统性能目标的具体计算方法：假设前浪微博系统用户每天发送1000万条微博，那么微博子系统一天会产生1000万条消息；假设平均一条消息有10个子系统读取，那么其他子系统读取消息的总次数大约是1亿次。把这些数据按秒折算：一天内平均每秒写入消息数为115条，平均每秒读取的消息数是1150条。但系统的读写压力并不是全天完全平均分布的，设计目标应该以峰值来计算而不是均值——峰值一般取平均值的3倍，因此消息队列系统的TPS是345，QPS是3450。除此以外，还要再考虑一定的性能余量：由于当前业务基数较低，为了给后续业务发展预留系统容量，可以把设计目标进一步设定为峰值的4倍，最终得到的性能要求是TPS为1380、QPS为13800。通过这组数字还能进一步识别出真正的复杂度焦点：TPS 1380本身并不高，但QPS 13800已经比较高了，因此可以判断”高性能读取”才是这个系统的复杂度关键点，而不是笼统地说”这个系统要做高性能”。这套方法的核心价值在于，把”这个系统需要多高性能”这种容易变成主观争论的问题，转化成”日活跃量→日消息量→平均QPS/TPS→峰值倍数→预留倍数”这样一条可追溯、可复现的推导链条，让最终的性能设计目标有据可查，而不是拍脑袋定一个看起来”安全”的数字。