qps不能直接换算cpu核心数，需先计算并发线程数（qps×平均响应时间），再按任务类型折算：i/o密集型约每核支持2.5线程，cpu密集型则接近1:1，最终须通过压测验证。

每秒请求数（QPS）本身不能直接换算成CPU核心数，必须结合请求处理时间、任务类型和系统资源效率来推算。脱离响应时间谈QPS，就像只说“开了100辆车”却不提每辆车跑多快、堵不堵车——根本无法判断需要几条车道。

先算理论并发线程数

这是承上启下的关键一步：系统要稳定支撑目标 QPS，平均同时活跃的线程数至少得达到：

• 并发线程数 ≈ 目标 QPS × 平均响应时间（秒）
• 例如：目标 2000 QPS，平均 RT 为 80ms（0.08秒），则理论并发 ≈ 2000 × 0.08 = 160 个活跃线程
• 这个数字不是线程池大小，而是系统在任一时刻“正在干活”的线程均值，是后续 CPU 评估的起点

再折算到有效 CPU 核心容量

CPU 并非线程越多越快，核心瓶颈在于上下文切换开销与有效利用率。业界经验表明：

Miller CSV TSV JSON 数据处理器

Miller (mlr) 是一个命令行工具，用于查询、整形和重新格式化名称索引数据，如 CSV、TSV、JSON 和 JSON Lines。它将 awk、sed、cut、join 和 sort 的功能整合到一个专为结构化数据处理而构建的单一工具中。

下载

• 单核 CPU 在 75% 利用率下可稳定支撑约 2.5 个高效线程（含超线程增益与调度余量）
• 所以：CPU 有效线程容量 = CPU 核心数 × 2.5
• 反推所需最小核心数：核心数 ≥ 并发线程数 ÷ 2.5
• 接上例：160 ÷ 2.5 = 64 → 至少需 64 逻辑核心（即 32 物理核 + 超线程）

必须校准任务类型与真实负载

上面公式假设线程利用率高、无严重锁竞争或外部等待。实际中需按任务性质调整：

• CPU 密集型（如模型推理、视频转码）：线程基本满负荷运算，核心数应接近并发线程数，甚至略多（+1）以覆盖调度空隙；此时 160 并发 ≈ 建议 160 核（物理），而非按 2.5 折算
• I/O 密集型（如 HTTP API、数据库查询）：线程大量时间在等待网络/磁盘，可适度超售；64 核常能稳撑远高于 160 的并发线程数，但需压测验证 RT 是否突增
• 混合型：看瓶颈在哪——若压测时 CPU 使用率已达 90% 且 RT 上升，说明 CPU 是短板；若 CPU 才 40% 但队列积压严重，问题可能在数据库连接池或 GC

最后用压测闭环验证

公式只是起点，真实配置必须靠压测数据说话：

• 固定 QPS 下，观察 CPU 利用率、TP99 响应时间、线程活跃数、GC 频次
• 当 QPS 提升但 CPU 使用率不再线性增长，反而 RT 快速升高、错误率上升，说明已触达该配置的并发极限
• 记录此时的「实际支撑 QPS」和「对应并发线程均值」，反推你这套环境的真实 CPU 线程系数（比如实测是 ×2.1 而非理论 ×2.5）