100w日活需要什么服务器

㈠ 一个100万日活的app，广告流量变现每天能挣多少

首先，100万日活，是前台活还是后台活。

如果是前台活价值更高。

一般在商业上，一般按一个用户一天的arpu值来算。

以后台活算日活。

如清理工具类一个用户，一般就2-6分。

100万活，一天就2到6万。

app日停留时长越长，arpu值越高。

㈡ 一个100万日活的app，广告流量变现每天能挣多少

根据我目前运营的App情况，日活大约在1万左右，广告收入大约在300到400元之间。如果日活达到100万，广告变现潜力将大大增加。这样的流量规模，可以吸引更多的商家投放广告，广告价格也会更高。

假设一个App日活达到100万，其广告收入会大幅提高。具体来说，广告价格会根据App的属性和广告主的需求而定。比如，如果App用户主要集中在特定领域，如电商、旅游、娱乐等，那么针对这些领域的广告主愿意支付更高的价格。同时，100万的日活意味着更多的用户群体，这将吸引更多广告主的兴趣。

此外，广告形式也会更加多样化，除了传统的横幅广告和插屏广告，还可以尝试视频广告、原生广告等。这些新的广告形式不仅可以带来更高的广告价格，还能更好地融入用户体验，提高广告效果。

值得注意的是，100万的日活规模下，广告变现的关键在于精细化运营。这包括但不限于用户画像的精准构建、广告投放策略的优化、广告素材的质量提升等。通过这些措施，可以最大限度地提高广告点击率和转化率，从而实现更高的广告收入。

另外，还需要建立一个完善的广告管理系统，确保广告投放的透明性和公平性。这不仅可以提高广告主的信任度，还能更好地保护用户的隐私权益。通过综合运用以上策略，一个日活100万的App将具备强大的广告变现能力。

㈢ 系统容量预估

业务系统往往会被问到一些资源的问题，需要多少机器，机器足不足以支撑当前的业务增长等，这些都是系统容量的一些估算问题。

容量设计需要考虑的维度： 业务规划 + 架构复杂度 + 组件模块 + 高可用 + 安全 + 存储复杂度

容量指标：单机QPS，峰值，平均值，用户数、并发、稳定性

有多少数据量，数据维度有哪些，服务业务有哪些，数据增长预想如何等

这里我们只是谈谈简单的业务通过单节点处理的情况（当然接入网关的处理能力又取决于后端的服务集群的处理能力这里先忽略）

8小时总访问量：1万用户 * 10%的常驻访问率 * 15秒上报周期（每分钟访问4次，每天按照8小时计算）得出日访问量 200万 ~2000万 QPS ： 200~2000万 / 8 * 60 * 60 ≈ 100 ~ 700 QPS

并发数 = QPS * 平均响应时间，假设平均响应时间=100ms，那么100~700 * 0.1 ≈ 10 ~ 70

并发数 =（200~2000万/ 8 / 3600）* 影响因子（一般为3）来进行估算并发量。≈ 200~ 2000

最终得出结论，1万量车每15秒上报一次数据。只需要支持 100左右并发处理能力即可了。

如果单节点服务器的QPS是1000，那么一台机器就能满足 1万台车的数据上报。

常见的容量评估包括数据量、并发量、带宽、CPU/MEM/DISK等，

以并发量为例，通过五个步骤，解答业务的疑虑。

对于一个运营活动的访问量评估，或者一个系统上线后PV的评估，问业务部门获得。 例如一个推送活动：计划10分钟，推送1000w用户，10%的消息点击率 那么系统的访问量：1000w * 10% = 100w。10分钟会有100w的访问。

总量除以总时间，如果按照天评估，白天12小时大概4w秒 100w / 30*60 ≈ 600QPS 说明系统需要支持至少 600QPS的访问能力持续10分钟。

需要根据业务访问趋势图预估，可能非常大，暂定为2.5倍

600 * 2.5 = 1500QPS

假设我们的单节点访问能力优化到 1000QPS （tomcat压测单机只能抗住1200的QPS 不能打满打八折 QPS1000）

五个确认步骤

这里我们讨论个场景问题：如果有如下需求，我们应该如何满足业务 一、100万用户秒杀10个商品 二、1秒杀支持1000笔交易

所以从技术角度上系统应该如何做好限流、并发安全、资源弹性。就能初步的评估需要多少资源能满足业务了。 那么我们再来分析下上面两个业务需求。 提取下关键信息：100万用户、库存10个商品、业务时间要求1秒。 我们可以得出两个维度的信息

显然第二个是不太合适的。因为缺少单位时间的业务量，只有用户数。所以如果想要完成评估，单位时间的业务要求才是基础考虑要素。 一个简单的方案：网关层满足限流能力，支持10QPS的处理能力，那么需要增加一台机器即可。剩下的100万用户都访问拒绝，缓冲队列只支持10个用户进入。

如有不对欢迎指正，感谢阅读。

计算公式：
100W个用户，95%均为日活设备即95W
950000 0.8/（3 60 60）=70/s
.70 5=350 即活跃设备数在每秒为350个

100万个设备，日活占12.5%，用2/8原则来估算并发用户数，即80%的用户数会在高峰期点餐，一共5个小时
平均并发用户数C=125000 5 0.8/5 60=1666
并发用户数峰值C`=1666+3 根号 1666=1788

1）平均并发用户数为 C = nL/T
2）并发用户数峰值 C‘ = C + 3*根号C
C是平均并发用户数，n是login session的数量，L是login session的平均长度，T是值考察的时间长度
C’是并发用户数峰值

QPS和并发量
QPS（q） ：每秒处理的请求数量 并发量 （c）：同时支持多少个用户在线。与服务器的请求处理模型有关，如果是BIO模型，则并发量就受限于最大能支持多少个线程，如果是NIO模型，则并发量与socket连接数相关 平均响应时间（t）：单位为毫秒
他们之间的关系是 q = （1000/t）* c

单台机器的QPS为1000QPS，并发为200