数据可视化
可视化系统要求关注在业务应用程序中用户体验 (混搭) 生成的服务器负载。
与提取非常相似，可视化负载不仅取决于混搭数，还取决于每个混搭的复杂性以及预期访问它们的并发用户数。
|
t
|
用户访问峰值时间段：调用以下混搭和服务的时长 (以秒为单位)。
|
|
M
|
唯一混搭：在该时间内，用户预期访问的唯一混搭数。
|
|
SM
|
每个混搭的服务：对于每个唯一混搭，确定调用的服务数。
|
|
UM
|
并发用户数：在此时间段内，预期同时使用这些混搭的用户总数。
|
|
LM
|
用户加载每个混搭的次数：在该时间段内，每个用户预期访问该混搭的次数。
通常，此值始终至少为 1，但需特别注意打开自动刷新的混搭。
|
利用这些值，可将每秒 HTTP 请求总数 (R) 确定为该时间段内每个用户请求的混搭服务调用总数 (对于混搭本身，+1)：
例如，应用程序中共有 3 个唯一混搭 (M)，参数如下：
• 用户访问峰值时长为 1 小时 (t = 3,600 秒)
• 这两个混搭都进行 10 次服务调用 (S1 和 S2 均为 10)
• 第三个混搭进行 20 次服务调用 (S3 = 20)
• 第一个混搭每小时被 1,000 个用户访问 (U1 = 1000)
• 其他两个混搭每小时被 100 个用户访问 (U2 和 U3 均为 100)
• 所有混搭均未打开自动或手动刷新，否则，描述的就是最终用户在分配的时间范围 (1 小时) 内一次使用一段所提供信息的情况。
(L1、L2 和 L3 均为 1)
计算过程如下：
R = [(SM + 1) × UM × LM ] / t
R1 = [(S1 + 1) × U1 × L1] / t
= [(10 + 1) × 1000 × 1] / 3600
≈ 3.06 requests per second
= [(10 + 1) × 1000 × 1] / 3600
≈ 3.06 requests per second
R2 = [(S2 + 1) × U2 × L2] / t
= [(10 + 1) × 100 × 1] / 3600
≈ 0.31 requests per second
= [(10 + 1) × 100 × 1] / 3600
≈ 0.31 requests per second
R3 = [(S3 + 1) × U3 × L3] / t
= [(20 + 1) × 100 × 1] / 3600
≈ 0.61 requests per second
= [(20 + 1) × 100 × 1] / 3600
≈ 0.61 requests per second
R = R1 + R2 + R3
≈ 3.06 + 0.31 + 0.61
≈ 3.98 requests per second
≈ 3.06 + 0.31 + 0.61
≈ 3.98 requests per second
同样，在此情景中，应由具有简单数据库 (如 H2) 的特小 ThingWorx 系统处理此负载，但建议不要用于生产。
大多数计算会更复杂，唯一混搭可能更多，并且每个混搭具有的服务调用和并发用户数大于在此给定的数值。
涉及上述计算的两个示例可在此处查看。