QPS/TPS（每秒查询率/每秒吞吐量）

       在系统性能评估和高并发场景中，QPS（Queries Per Second）与 TPS（Transactions Per Second）是衡量服务处理能力的核心指标。它们帮助开发者和运维人员判断系统瓶颈、优化资源分配，并为容量规划提供依据。

什么是 QPS？

       QPS 指的是“每秒查询率”，通常用于描述服务器在单位时间内能够处理的查询请求数量。它广泛应用于 Web 服务、数据库、缓存系统等以读操作为主的场景。例如，一个 API 接口每秒能响应 1000 次 GET 请求，则其 QPS 为 1000。

需要注意的是：

• QPS 关注的是“请求”数量，而非业务逻辑复杂度。
• 同一请求可能包含多个子操作，但通常仍计为一次查询。
• 高 QPS 并不等同于高性能，还需结合响应时间综合评估。

什么是 TPS？

       TPS 表示“每秒事务数”，主要用于衡量系统在单位时间内完成完整业务事务的能力。一个事务通常包含多个步骤（如创建订单、扣减库存、支付确认），只有全部成功才算作一次有效 TPS。

典型应用场景包括：

• 电商下单流程
• 银行转账操作
• 支付系统交易

TPS 更强调业务完整性和数据一致性，因此常用于评估核心交易系统的稳定性与吞吐能力。

QPS 与 TPS 的区别与联系

虽然 QPS 和 TPS 都用于衡量系统吞吐量，但二者侧重点不同：

• 粒度不同：QPS 以单次请求为单位，TPS 以完整业务流程为单位。
• 适用场景不同：QPS 多用于读密集型服务，TPS 多用于写密集型或事务型系统。
• 数值关系：一个事务（TPS）可能包含多次查询（QPS）。例如，一次下单事务可能触发 5 次数据库查询，此时 TPS 为 100 时，QPS 可能达到 500。

在实际压测中，应根据业务特性选择合适的指标进行监控和优化。

如何提升 QPS/TPS？

提升系统吞吐能力需从架构、代码、资源等多方面入手：

• 优化代码逻辑：减少冗余计算，使用高效算法和数据结构。
• 引入缓存机制：如 Redis 缓存热点数据，降低数据库压力。
• 数据库调优：合理设计索引、分库分表、读写分离。
• 水平扩展：通过负载均衡增加服务实例数量。
• 异步处理：将非关键路径操作放入消息队列异步执行。

持续监控 QPS/TPS 指标，并结合错误率、延迟等数据，才能全面保障系统高可用与高性能。