100w日活需要什麼伺服器

㈠ 一個100萬日活的app，廣告流量變現每天能掙多少

首先，100萬日活，是前台活還是後台活。

如果是前台活價值更高。

一般在商業上，一般按一個用戶一天的arpu值來算。

以後台活算日活。

如清理工具類一個用戶，一般就2-6分。

100萬活，一天就2到6萬。

app日停留時長越長，arpu值越高。

㈡ 一個100萬日活的app，廣告流量變現每天能掙多少

根據我目前運營的App情況，日活大約在1萬左右，廣告收入大約在300到400元之間。如果日活達到100萬，廣告變現潛力將大大增加。這樣的流量規模，可以吸引更多的商家投放廣告，廣告價格也會更高。

假設一個App日活達到100萬，其廣告收入會大幅提高。具體來說，廣告價格會根據App的屬性和廣告主的需求而定。比如，如果App用戶主要集中在特定領域，如電商、旅遊、娛樂等，那麼針對這些領域的廣告主願意支付更高的價格。同時，100萬的日活意味著更多的用戶群體，這將吸引更多廣告主的興趣。

此外，廣告形式也會更加多樣化，除了傳統的橫幅廣告和插屏廣告，還可以嘗試視頻廣告、原生廣告等。這些新的廣告形式不僅可以帶來更高的廣告價格，還能更好地融入用戶體驗，提高廣告效果。

值得注意的是，100萬的日活規模下，廣告變現的關鍵在於精細化運營。這包括但不限於用戶畫像的精準構建、廣告投放策略的優化、廣告素材的質量提升等。通過這些措施，可以最大限度地提高廣告點擊率和轉化率，從而實現更高的廣告收入。

另外，還需要建立一個完善的廣告管理系統，確保廣告投放的透明性和公平性。這不僅可以提高廣告主的信任度，還能更好地保護用戶的隱私權益。通過綜合運用以上策略，一個日活100萬的App將具備強大的廣告變現能力。

㈢ 系統容量預估

業務系統往往會被問到一些資源的問題，需要多少機器，機器足不足以支撐當前的業務增長等，這些都是系統容量的一些估算問題。

容量設計需要考慮的維度： 業務規劃 + 架構復雜度 + 組件模塊 + 高可用 + 安全 + 存儲復雜度

容量指標：單機QPS，峰值，平均值，用戶數、並發、穩定性

有多少數據量，數據維度有哪些，服務業務有哪些，數據增長預想如何等

這里我們只是談談簡單的業務通過單節點處理的情況（當然接入網關的處理能力又取決於後端的服務集群的處理能力這里先忽略）

8小時總訪問量：1萬用戶 * 10%的常駐訪問率 * 15秒上報周期（每分鍾訪問4次，每天按照8小時計算）得出日訪問量 200萬 ~2000萬 QPS ： 200~2000萬 / 8 * 60 * 60 ≈ 100 ~ 700 QPS

並發數 = QPS * 平均響應時間，假設平均響應時間=100ms，那麼100~700 * 0.1 ≈ 10 ~ 70

並發數 =（200~2000萬/ 8 / 3600）* 影響因子（一般為3）來進行估算並發量。≈ 200~ 2000

最終得出結論，1萬量車每15秒上報一次數據。只需要支持 100左右並發處理能力即可了。

如果單節點伺服器的QPS是1000，那麼一台機器就能滿足 1萬台車的數據上報。

常見的容量評估包括數據量、並發量、帶寬、CPU/MEM/DISK等，

以並發量為例，通過五個步驟，解答業務的疑慮。

對於一個運營活動的訪問量評估，或者一個系統上線後PV的評估，問業務部門獲得。 例如一個推送活動：計劃10分鍾，推送1000w用戶，10%的消息點擊率 那麼系統的訪問量：1000w * 10% = 100w。10分鍾會有100w的訪問。

總量除以總時間，如果按照天評估，白天12小時大概4w秒 100w / 30*60 ≈ 600QPS 說明系統需要支持至少 600QPS的訪問能力持續10分鍾。

需要根據業務訪問趨勢圖預估，可能非常大，暫定為2.5倍

600 * 2.5 = 1500QPS

假設我們的單節點訪問能力優化到 1000QPS （tomcat壓測單機只能抗住1200的QPS 不能打滿打八折 QPS1000）

五個確認步驟

這里我們討論個場景問題：如果有如下需求，我們應該如何滿足業務 一、100萬用戶秒殺10個商品 二、1秒殺支持1000筆交易

所以從技術角度上系統應該如何做好限流、並發安全、資源彈性。就能初步的評估需要多少資源能滿足業務了。 那麼我們再來分析下上面兩個業務需求。 提取下關鍵信息：100萬用戶、庫存10個商品、業務時間要求1秒。 我們可以得出兩個維度的信息

顯然第二個是不太合適的。因為缺少單位時間的業務量，只有用戶數。所以如果想要完成評估，單位時間的業務要求才是基礎考慮要素。 一個簡單的方案：網關層滿足限流能力，支持10QPS的處理能力，那麼需要增加一台機器即可。剩下的100萬用戶都訪問拒絕，緩沖隊列只支持10個用戶進入。

如有不對歡迎指正，感謝閱讀。

計算公式：
100W個用戶，95%均為日活設備即95W
950000 0.8/（3 60 60）=70/s
.70 5=350 即活躍設備數在每秒為350個

100萬個設備，日活佔12.5%，用2/8原則來估算並發用戶數，即80%的用戶數會在高峰期點餐，一共5個小時
平均並發用戶數C=125000 5 0.8/5 60=1666
並發用戶數峰值C`=1666+3 根號 1666=1788

1）平均並發用戶數為 C = nL/T
2）並發用戶數峰值 C『 = C + 3*根號C
C是平均並發用戶數，n是login session的數量，L是login session的平均長度，T是值考察的時間長度
C』是並發用戶數峰值

QPS和並發量
QPS（q） ：每秒處理的請求數量 並發量 （c）：同時支持多少個用戶在線。與伺服器的請求處理模型有關，如果是BIO模型，則並發量就受限於最大能支持多少個線程，如果是NIO模型，則並發量與socket連接數相關 平均響應時間（t）：單位為毫秒
他們之間的關系是 q = （1000/t）* c

單台機器的QPS為1000QPS，並發為200