在實際的性能測試中，經常接觸到的與并發用戶數相關的概念還包括“并發用戶數”、“系統用戶數”和“同時在線用戶數”，下面用一個實際的例子來說明它們之間的差別。

假設有一個OA系統，該系統有2000個使用用戶——這就是說，可能使用該OA系統的用戶總數是2000名，這個概念就是“系統用戶數”，該系統有一個“在線統計”功能（系統用一個全局變量記數所有已登錄的用戶），從在線統計功能中可以得到，最高峰時有500人在線（這個500就是一般所說的“同時在線人數”），那么，系統的并發用戶數是多少呢？

根據我們對業務并發用戶數的定義，這500就是整個系統使用時最大的業務并發用戶數。當然，500這個數值只是表明在最高峰時刻有500個用戶登錄了系統，并不表示實際服務器承受的壓力。因為服務器承受的壓力還與具體的用戶訪問模式相關。例如，在這500個“同時使用系統”的用戶中，考察某一個時間點，在這個時間上，假設其中40%的用戶在較有興致地看系統公告（注意：“看”這個動作是不會對服務端產生任何負擔的），20%的用戶在填寫復雜的表格（對用戶填寫的表格來說，只有在“提交”的時刻才會向服務端發送請求，填寫過程是不對服務端構成壓力的），20%部分用戶在發呆（也就是什么也沒有做），剩下的20%用戶在不停地從一個頁面跳轉到另一個頁面——在這種場景下，可以說，只有20%的用戶真正對服務器構成了壓力。因此，從上面的例子中可以看出，服務器實際承受的壓力不只取決于業務并發用戶數，還取決于用戶的業務場景。

在實際的性能測試工作中，測試人員一般比較關心的是業務并發用戶數，也就是從業務角度關注究竟應該設置多少個并發數比較合理，因此，在后面的討論中，也是主要針對業務并發用戶數進行討論，而且，為了方便，直接將業務并發用戶數稱為并發用戶數。

    （1）  計算平均的并發用戶數： C = nL/T      

    （2）  并發用戶數峰值： C’ ≈ C+3根號C

公式（1）中，C是平均的并發用戶數；n是login session的數量；L是login session的平均長度；T指考察的時間段長度。

公式（2）則給出了并發用戶數峰值的計算方式中，其中，C’指并發用戶數的峰值，C就是公式（1）中得到的平均的并發用戶數。該公式的得出是假設用戶的login session產生符合泊松分布而估算得到的。

實例：

假設有一個OA系統，該系統有3000個用戶，平均每天大約有400個用戶要訪問該系統，對一個典型用戶來說，一天之內用戶從登錄到退出該系統的平均時間為4小時，在一天的時間內，用戶只在8小時內使用該系統。

則根據公式（1）和公式（2），可以得到：

           C = 400*4/8 = 200

           C’≈200+3*根號200 = 242