大多数网站在处理它们的平均用户数访问时加载速度是合理的。但是网站遇到流量高峰压力时，性能会迅速恶化。

为了了解流量高峰期估计的理论和方法，我先研究一些公开的数据，看看我是否可以找到网站流量高峰与平均流量之间的联系，以及网站可以承受何种流量类型。

摘要和数据

峰值和平均网站流量数据分析来自Quantcast。这里是来自Quantcast的一张典型的流量图表：

对于这里的学习研究，我们只看来自US的流量数据。我们还同时获取了6个月平均的和最大的日流量。这些数据第一次于2011年2月12日发布。下面简要说明一下获得的数据。

高排名的网站（月访客约400，000）

*Factor是日访客数最大值除以日访客平均值。

注意日访客平均数最大值是平均值的2-8倍。这是400，000访客范围的月度数据。

中等排名的网站（月访客约190，000）

注意日访客平均数最大值是平均值的2-10倍。这是190，000访客范围的月度数据。

低排名的网站

你可能注意到日访客平均数最大值是平均值的2-38倍。因些变化可能会非常大。原因可能是高排名的网站有较高的月访问量，更少可能会被突然的流量波峰所影响。

大型网站，如CNN，TechCrunch和Mashable拥有很高，稳定的访客，因此苹果发布新产品之类的受欢迎的新闻的对它影响远比小流量的网站来得低。

让我们进一步观察。

三种流量模式

有三种类型主要的流量模式。

高位稳定增长流量

WordPress.com有很高稳定的流量，每个月US访客约4410万。它每日的流量高峰是平均流量的2.2倍。

根据增长趋势外推法估计到2011年6月日流量峰值大约会到400万。

周期性的流量高峰

一些网站因为周期性的促销或者正常的商业周期会有周期性的流量高峰。让我们看一下来自

Holidays Central的数据。

注意图中有周期性的流量高峰。这种情况下，我们可以根据以前的数据来估计流量，当然我们也要把流量增长考虑进去。

低位稳定流量

我们来看一下michaelmoore.com的图表。

2010年12月14日，Michael Moore决定为Julian Assange的保释出资$20，000，招来很多压力，这与他的网站的流量一致。这个新闻被主要的新闻频道报道，导致带来了平时流量的38倍的尖峰。

抵抗突发流量高峰

像michaelmoore.com这样的网站的流量高峰总是很难预测的，因为其中的一些内容总有可能像病毒一样传播。

根据纽约大学副教授Scott Galloway的观点，病毒内容有三种元素：

1、真实性

2、幽默

3、社会争论

在Michael Moore的案例中，我们可以发现这些元素的影子。

然而有趣的是大部份时候，病毒式传播很出乎人的意料。他们没有准备好应对，他们的网站也一样。

想像一下如果你的网站一小时被访问了100，000次，你可能会欣喜若狂，不是么？但是很多网站站长却有不好的经历，因为他们的网站在这时会很慢甚至无法访问。

如果你的网站属于第三种情况并且可能会有病毒式传播的或能，你无疑需要估计峰值流量是平时流量的30倍。

受控流量高峰

除了病毒式传播，正常的市场和营销也可能会导致流量高峰。作为站长，这些流量高峰应该对你来说是更可以预估的，并且比起病毒式传播也是更可能发生的。

例如，completebody最近在Groupon promotion搞了一个促销活动。这导致平常150的日访问量一下增长到7000，是平时流量的46倍。

结论

我们可以根据以下原则估计流量高峰：

如果你没有之前的流量高峰数据，如果你的网站访问量比较低，并且包含有可能病毒式传播的内容，可以估计峰值流量是日常日平均流量的30倍。

如果你的网站有很高很稳定的流量，峰值流量可能是日常流量的5倍。

如果你有先前的峰值数据并且高峰流量时间是可以预知的（周期性流量和可控流量尖峰），使用以前的数据并加上流量增长的一个百分比得出最后的数值。

开发人员和站长应该使用加载测试工具（如Load Impact）模拟网站流量以确定他们网站所能承受的压力。这样他们就可以了解在高流量上网站的性能，并在流量高峰到来前做出适当的调整。