在我的具体情况下，我正在与网站合作，但是这个问题比这个更普遍。 我正在寻找的东西（我认为）就像一个公式。
情况是我已经完成了负载testing来确定服务器的中断点。 我知道，比如说，每秒100次点击会导致服务器超载并且执行不可接受。 把这个数字外推到360,000点/小时（100×60×60）是微不足道的。
当我从市场营销中得到问题时，例如“我们下一次的广告活动，我们可以处理多less访问者”，这个问题就出现了。他们使用的数字是“200万人会看到我们的广告。 根据以往的经验，我们知道这些人中约有10％会点击浏览，所以有20万访问者将访问该网站。 我们可以处理吗？“如果这20万名访问者在一个小时内均匀分布，上面的数字告诉我们，服务器可以处理正常的负载。 但是如果游客在一个小时内仍然散布，除非大多数游客在第一个15分钟内到达网站？ 该站点将超载（100×60×15 <200,000 / 2）。
答案显然取决于点击的分布。 不幸的是，我没有那些过去的数据。 那么频谱两端网站的典型分布是什么（分布均匀的网站和分布密集的网站）呢？ 如果你不知道，那就好了，因为我可以在一个单独的问题中重新提出这个问题。 更重要的是：
假设我知道分布是什么，我该如何运用这些知识来确定给定间隔内的最大访问者数量，基于最大点击数/秒？
到现在为止，我认为一个访问者意味着一个命中。 实际上，每个访问者都会在网站上进行一次或多次访问。 考虑到这一点，我可以简单地采取点击/访问者的平均值，然后相应地划分？ 或者我必须考虑到每个访问者的页面浏览量分布（例如，90％的访问者点击了一页，5％浏览了两页，5％浏览了两页以上）？
作为最后的考虑，这一切都涉及大量的猜测。 这个build模（理论上）会给我们一个最大的数字，但是在通过这个数字之前，你有多less数量呢？ 你对expression结果的不确定性有什么想法？
这不是猜测，而是主要关于统计。 这就是为什么在类似的情况下做一个没有数据的预测是非常困难的。 点击的分布将遵循某种曲线 – 要知道您的系统是否可以处理负载，您需要查看曲线的顶点并将其与您的极限进行比较，同时考虑到您需要某种“安全区“，以防估计错误。 确定安全区域的“工程”方法是将最大数量和过度工程devise为至less2倍。如果系统故障将导致非常高的成本，则需要调整过度工程因素，或者更多恰恰相反，如果过度工程的成本比失败的成本要小。
点击率/访问者是网站或应用程序devise的函数，因此理论上可以计算。 但是如果网站具有相当大的复杂性，统计方法在这里也将变得简单得多。