你用泊松分布，前提是你的用户流量模型是泊松分布，但是你都不确定你的用户是，你硬套上去肯定不对，不过你要是调查统计过，确实是泊松分布，那用这个模型没毛病。

地铁的流量模型能套到银行网点上吗？个人微信的流量模型能套到企业微信上吗？

唯一准确的就是统计线上流量了，统计不了就只能找有经验的人去依照以往业务经验去评估，没有什么公式可以给你硬套的，你非要套那铁定不可能准。

当然了，现实的做法估计大部分就套个 “二八原则” 比较多吧，毕竟大家也不那么较真，而且普通公司也真不至于有那么大流量。。。。

1. 如果你只是为了写一份材料用来佐证你的并发数计算是对的，那么就是理论讨论，言之有理即可，可以参考如下：.

基于 Little's Law（利特尔法则）的计算方法
公式：
并发用户数=TPS×响应时间

TPS（Transactions Per Second，每秒事务数）： 系统在高峰期每秒需要处理的请求数量，可以根据业务数据（如日活用户数、高峰期每分钟订单数）来估算。

响应时间： 业务所能接受的单个请求的平均处理时间，通常由 SLA（服务水平协议）或用户体验要求来决定。

基于业务数据和用户活跃度的计算方法
这种方法更贴近实际业务场景，可以帮助您确定一个更合理的 TPS 目标。
公式：
并发用户数=日活用户数×高峰时段用户活跃比例×峰值系数
日活用户数（DAU）： 每天使用系统的用户总数。
高峰时段用户活跃比例： 每天高峰时段（如中午 12 点、晚上 8 点）在线用户的占比。
峰值系数： 考虑到特殊活动（如秒杀、促销）或业务增长，设置一个额外的放大系数。

2. 如果你的目标是为后面系统发版本做指标设计的话，你从生产环境拿下流量统计，连接统计，请求耗时统计等真实业务数据再去找适合方法论，没有那种一招破万招的招式

可以学习下极客时间上高楼老师的性能测试课程，会对并发数计算很有启发

请问是要计算当前的 tps 能够满足多少用户使用么？