在线人数统计

在线⽤户数与并发⽤户数的区别和⽐例关系在线⽤户数：⽤户同时在⼀定时间段的在线数量并发⽤户数：某⼀时刻同时向服务器发送请求的⽤户数⼀般⽽⾔，我们习惯以5-20的⽐率来推算并发⽤户与在线⽤户之间的关系。

即，并发与在线的⽐例约为5%-20%⽐如，某⽹站存在注册⽤户数为10W⼈，但同时在线最多1W⼈，但这1W个⼈，可能只有500⼈会浏览帖⼦，500⼈会进⾏发帖，只有这1000个⼈对服务器才有交易，那我们计算并发量的时候，就可以以1000为标准！============================================================昨天读完了段念写的《软件性能测试过程详解与案例剖析》⼀书的第⼀章，感觉学到了不少东西，以下将该书中的我认为是精华的⼀篇过来给⼤家⼀起看看：在实际的性能测试中，经常接触到的与并发⽤户数相关的概念还包括“并发⽤户数”、“系统⽤户数”和“同时在线⽤户数”，下⾯⽤⼀个实际的例⼦来说明它们之间的差别。

假设有⼀个OA系统，该系统有2000个使⽤⽤户——这就是说，可能使⽤该OA系统的⽤户总数是2000名，这个概念就是“系统⽤户数”，该系统有⼀个“在线统计”功能（系统⽤⼀个全局变量记数所有已登录的⽤户），从在线统计功能中可以得到，最⾼峰时有500⼈在线（这个500就是⼀般所说的“同时在线⼈数”），那么，系统的并发⽤户数是多少呢？根据我们对业务并发⽤户数的定义，这500就是整个系统使⽤时最⼤的业务并发⽤户数。

当然，500这个数值只是表明在最⾼峰时刻有500个⽤户登录了系统，并不表⽰实际服务器承受的压⼒。

因为服务器承受的压⼒还与具体的⽤户访问模式相关。

例如，在这500个“同时使⽤系统”的⽤户中，考察某⼀个时间点，在这个时间上，假设其中40%的⽤户在较有兴致地看系统公告（注意：“看”这个动作是不会对服务端产⽣任何负担的），20%的⽤户在填写复杂的表格（对⽤户填写的表格来说，只有在“提交”的时刻才会向服务端发送请求，填写过程是不对服务端构成压⼒的），20%部分⽤户在发呆（也就是什么也没有做），剩下的20%⽤户在不停地从⼀个页⾯跳转到另⼀个页⾯——在这种场景下，可以说，只有20%的⽤户真正对服务器构成了压⼒。

中国互联网络年度发展状况统计报告随着信息技术的迅猛发展和互联网的日益普及，中国的互联网络也在不断壮大和发展。

本文将为大家撰写一份中国互联网络年度发展状况统计报告，为读者提供全面了解中国互联网络发展的信息。

一、互联网用户数量统计截至2021年底，中国互联网用户数量已达到10.85亿人，是全球互联网用户最多的国家之一。

与上一年度相比，增长率为6.2%。

互联网普及率达到77.3%，较上一年度增长1.7%。

二、移动互联网用户数量统计移动互联网用户数量继续保持快速增长的态势。

截至2021年底，移动互联网用户数量为10.70亿人，占据互联网用户总数的98.6%。

与上一年度相比，增长率为7.9%。

三、互联网使用设备统计目前，中国的互联网用户主要使用移动设备进行上网。

根据统计数据显示，手机成为最主要的上网设备，占比达到98.2%。

而传统的个人电脑和笔记本电脑等设备的使用率下降，分别占比为11.7%和10.5%。

四、互联网应用使用情况统计1.社交媒体：社交媒体是中国互联网用户最主要的应用之一。

微信、微博和QQ等社交媒体平台用户数量稳步增长，覆盖人群广泛。

截至2021年底，微信用户数量超过11亿人，微博用户数量超过4.5亿人，QQ用户数量超过8.5亿人。

2.在线购物：随着电商行业的快速发展，中国互联网用户的在线购物需求不断增长。

截至2021年底，中国电商交易额达到30.8万亿元，同比增长8.5%。

其中，淘宝、京东和拼多多等电商平台成为用户购物的首选。

3.在线视频：在线视频成为中国互联网用户休闲娱乐的首选方式之一。

腾讯视频、爱奇艺和优酷等在线视频平台用户数量持续增长。

截至2021年底，腾讯视频用户数量超过1.5亿人，爱奇艺用户数量超过1.2亿人，优酷用户数量超过9000万人。

4.在线教育：在线教育得到越来越多的关注和应用。

在全球疫情的影响下，中国互联网用户对在线教育的需求迅速增长。

截至2021年底，中国在线教育用户数量超过1.5亿人。

简单的⽹站在线⼈数统计　统计在线⽤户的作⽤不⾔⽽喻，就是为了⽹站管理者可以知道当前⽤户的多少，然后根据⽤户数量来观察服务器或者程序的性能，从⽽可以直观的了解到⽹站的吸引⼒或者⽹站程序的效率。

现在，我们就介绍⼀个简单明了的⽅法来统计在线⽤户的多少，该⽅法的特点就是充分的利⽤了的特点，结合global.asax⽂件，⽤Application和Session巧妙的实现在线⽤户的统计，由于程序中只⽤到⼀个Application，所以，程序占⽤系统资源⼏乎可以忽略不及，当然，这也是⽹站管理者最关⼼的问题之⼀。

⼀、⽤户显⽰页⾯的使⽤ ⾸先，我们来看看怎样现实当前⽹站的访问⽤户数量，程序代码如下：＜%@ Page Language="c#" debug="true" %＞＜html＞＜head＞＜SCRIPT LANGUAGE="c#" RUNAT="server"＞private void Page_Load（object sender, System.EventArgs e）{Visitors.Text = "本站当前有：＜b＞" + Application["user_sessions"].ToString（） + "" + "＜/b＞位访问者 !";}＜title＞在线⽤户＜/title＞＜/head＞＜body＞＜asp:label id="visitors" runat="server" /＞＜br＞＜/body＞＜/html＞ 可以看出，以上的程序特别简单，就是调⽤Application。

当然，我们不必要专门设计⼀个页⾯来显⽰在线⽤户数量，在⽹站的任何页⾯，我们都可以直接调⽤Application（"user_sessions"）.ToString（）来显⽰当前⽤户数量。

ACU—— Average concurrent users（平均同时在线用户）∙月ACU：统计月平均每日同时在线用户数；∙周ACU：统计周平均每日同时在线用户数；∙日ACU：统计日平均同时在线用户数；PCU —— Peak concurrent users（最高同时在线人数）∙月PCU：统计月最高的日最高同时在线人数；∙周PCU：统计周最高的日最高同时在线人数；∙日PCU：统计日24小时内同时在线最高达到人数；ARPU—— Average Revenue Per User（每用户平均收入）∙月ARPU：月总收入/ 月总付费用户数；∙周ARPU：周总收入/ 周总付费用户数；∙日ARPU：日总收入/ 日总付费用户数；帐号类名词活跃帐号数∙月活跃帐号数：本月登录帐号数；∙周活跃帐号数：本周登录帐号数；∙日活跃帐号数：本日登录帐号数；新增帐号数∙月新增帐号数：本月首登帐号数；∙周新增帐号数：本周首登帐号数；∙日新增帐号数：本日首登帐号数；留存帐号数∙月留存帐号数：上月有登录且本月有登录帐号数；∙周留存帐号数：上周有登录且本周有登录帐号数；∙日留存帐号数：前7天内有登录且统计日也有登录的帐号数；回流帐号数∙月回流帐号数：上月无登录但本月有登录的非首登帐号数；∙周回流帐号数：上周无登录但本周有登录的非首登账号数：∙日回流帐号数：前7天无登录但统计日有登录的非首登账号数；流失帐号数∙月流失帐号数：上月有登录但本月未登录帐号数；∙周流失帐号数：上周有登录但本周统计无登录的账号数：∙日流失帐号数：统计日内有登录但统计日后7天都未登录的账号数；帐号流失率∙月帐号流失率= 上月有登录但本月未登录帐号数/ 上月活跃帐号数；∙周帐号流失率= 上周有登录但本周统计无登录的账号数/ 上周活跃帐号数：∙日帐号流失率= 统计日内有登录但统计日后7天都未登录的账号数/ 统计日的活跃帐号数；平均在线时间∙平均在线时间：日活跃帐号平均登录时长；角色类名词留存角色数∙月留存角色数：上月有登录且本月有登录的角色数；∙周留存角色数：上周有登录且本周有登录的角色数；∙日留存角色数：前7天内有登录且统计日有登录的角色数；回流角色数∙月回流角色数：上月无登录但本月有登录的非新建角色数；∙周回流角色数：上周无登录但本周有登录的非新建角色数；∙日回流角色数：前7天无登录但统计日有登录的非新建角色数；流失角色数∙月流失角色数：上月有登录但本月未登录的角色数；∙周流失角色数：上周有登录但本周未登录的角色数；∙日流失角色数：统计日内有登录但统计日后7天都未登录的角色数；角色流失率∙月角色流失率= 上月有登录但本月未登录的角色数/ 上月活跃角色数；∙周角色流失率= 上周有登录但本周未登录的角色数/ 上周活跃角色数；∙日角色流失率= 统计日内有登录但统计日后7天都未登录的角色数/ 统计日的活跃角色数；用户类名词活跃用户数∙月活跃用户数：本月登录用户数(身份证去重及系列帐号去重)；∙周活跃用户数：本周登录用户数(身份证去重及系列帐号去重)；∙日活跃用户数：本日登录用户数(身份证去重及系列帐号去重)；新增用户数∙月新增用户数：本月首登用户数(身份证去重及系列帐号去重)；∙周新增用户数：本周首登用户数(身份证去重及系列帐号去重)；∙日新增用户数：本日首登用户数(身份证去重及系列帐号去重)；留存用户数∙月留存用户数：上月有登录且本月有登录用户数(身份证去重及系列账号去重)；∙周留存用户数：上周有登录且本周有登录用户数(身份证去重及系列账号去重)；∙日留存用户数：前7天内有登录且统计日有登录的用户数(身份证去重及系列账号去重)；回流用户数∙月回流用户数：上月无登录且本月有登录用户数(身份证去重及系列账号去重)；∙周回流用户数：上周无登录但本周有登录的非首登用户数(身份证去重及系列账号去重)；∙日回流用户数：前7天无登录但统计日有登录的非首登用户数(身份证去重及系列账号去重)；流失用户数∙月流失用户数：上月有登录但本月未登录用户数(身份证去重及系列账号去重)；∙周流失用户数：上周有登录但本周统计无登录的用户数(身份证去重及系列账号去重)；∙日流失用户数：统计日内有登录但统计日后7天都未登录的用户数(身份证去重及系列账号去重)；用户流失率∙月用户流失率：上月有登录但本月未登录用户数/ 上月活跃用户数；∙周用户流失率：上周有登录但本周统计无登录的用户数/ 上周活跃用户数；∙日用户流失率：统计日内有登录但统计日后7天都未登录的用户数/ 统计日活跃用户数；平均在线时间∙平均在线时间：日活跃用户平均登录时长；充值类名词回流充值∙月回流充值：上月无充值行为，但历史有充值，且本月有充值；∙周回流充值：统计日前30天无充值行为，但历史有充值，且本周有充值；∙日回流充值：统计日前30天无充值行为，但历史有充值且统计日有充值；回流充值帐号数∙月回流充值帐号数：上月无充值行为，但历史有充值，且本月有充值的帐号数；∙周回流充值帐号数：统计日前30天无充值行为，但历史有充值，且本周有充值的帐号数；∙日回流充值帐号数：统计日前30天无充值行为，但历史有充值且统计日有充值的账号数；回流充值用户数∙月回流充值用户数：上月无充值行为，但历史有充值，且本月有充值的用户数；∙周回流充值用户数：统计日前30天无充值行为，但历史有充值，且本周有充值的用户数；∙日回流充值用户数：统计日前30天无充值行为，但历史有充值且统计日有充值的用户数；帐号回流充值收入∙月帐号回流充值收入：上月无充值行为，但历史有充值，且本月有充值的帐号的充值总和；∙周帐号回流充值收入：统计日前30天无充值行为，但历史有充值，且本周有充值的帐号的充值总和；∙日帐号回流充值收入：统计日前30天无充值行为，但历史有充值且统计日有充值的账号的充值总和；用户回流充值收入∙月用户回流充值收入：上月无充值行为，但历史有充值，且本月有充值的用户的充值总和；∙周用户回流充值收入：统计日前30天无充值行为，但历史有充值，且本周有充值的用户的充值总和；∙日用户回流充值收入：统计日前30天无充值行为，但历史有充值且统计日有充值的用户的充值总和；回流充值帐号ARPU值∙月回流充值帐号ARPU值= 月帐号回流充值收入/ 月回流充值帐号数；∙周回流充值帐号ARPU值= 周帐号回流充值收入/ 周回流充值帐号数；∙日回流充值帐号ARPU值= 日帐号回流充值收入/ 日回流充值帐号数；回流充值用户ARPU值∙月回流充值用户ARPU值= 月用户回流充值收入/ 月回流充值用户数；∙周回流充值用户ARPU值= 周用户回流充值收入/ 周回流充值用户数；∙日回流充值用户ARPU值= 日用户回流充值收入/ 日回流充值用户数；持续充值∙月持续充值：上月有充值行为，且本月也有充值行为；∙周持续充值：统计日前30天有充值行为，且本周也有充值行为；∙日持续充值：统计日前30天有充值行为，且统计日也有充值行为；持续充值帐号数∙月持续充值帐号数：上月有充值行为，且本月也有充值行为的帐号数；∙周持续充值帐号数：统计日前30天有充值行为，且本周也有充值行为的帐号数；∙日持续充值帐号数：统计日前30天有充值行为，且统计日也有充值的帐号数；持续充值用户数∙月持续充值用户数：上月有充值行为，且本月也有充值行为的用户数；∙周持续充值用户数：统计日前30天有充值行为，且本周也有充值行为的用户数；∙日持续充值用户数：统计日前30天有充值行为，且统计日也有充值的用户数；帐号持续充值收入∙月帐号持续充值收入：上月有充值行为，且本月也有充值的帐号的充值总和；∙周帐号持续充值收入：统计日前30天有充值行为，且本周也有充值的帐号的充值总和；∙日帐号持续充值收入：统计日前30天有充值行为，且统计日也有充值的账号的充值总和；用户持续充值收入∙月用户持续充值收入：上月有充值行为，且本月也有充值的用户的充值总和；∙周用户持续充值收入：统计日前30天有充值行为，且本周也有充值的用户的充值总和；∙日用户持续充值收入：统计日前30天有充值行为，且统计日也有充值的用户的充值总和；持续充值帐号ARPU值∙月持续充值帐号ARPU值= 月帐号持续充值收入/ 月持续充值帐号数；∙周持续充值帐号ARPU值= 周帐号持续充值收入/ 周持续充值帐号数；∙日持续充值帐号ARPU值= 日帐号持续充值收入/ 日持续充值帐号数；持续充值用户ARPU值∙月持续充值用户ARPU值= 月用户持续充值收入/ 月持续充值用户数；∙周持续充值用户ARPU值= 周用户持续充值收入/ 周持续充值用户数；∙日持续充值用户ARPU值= 日用户持续充值收入/ 日持续充值用户数；沉默充值∙月沉默充值：上月有充值行为，本月有登录，却无充值行为；∙周沉默充值：统计日前30天有充值行为，本周有登录，却无充值行为；∙日沉默充值：统计日前30天有充值行为，统计日内登录，却无充值行为；沉默充值帐号数∙月沉默充值帐号数：上月有充值行为，本月有登录，却无充值行为的帐号数；∙周沉默充值帐号数：统计日前30天有充值行为，本月有登录，却无充值行为的帐号数；∙日沉默充值帐号数：统计日前30天有充值行为，统计日内登录，却无充值行为的帐号数；沉默充值用户数∙月沉默充值用户数：上月有充值行为，本月有登录，却无充值行为的用户数；∙周沉默充值用户数：统计日前30天有充值行为，本周有登录，却无充值行为的用户数；∙日沉默充值用户数：统计日前30天有充值行为，统计日内登录，却无充值行为的用户数；帐号沉默充值收入∙上月帐号沉默充值收入：上月有充值行为，本月有登录却无充值行为的帐号的上月充值总和；∙上周帐号沉默充值收入：统计日前30天有充值行为，本周有登录却无充值行为的帐号的上周充值总和；用户沉默充值收入∙上月用户沉默充值收入：上月有充值行为，本月有登录却无充值行为的用户的上月充值总和；∙上周用户沉默充值收入：统计日前30天有充值行为，本周有登录却无充值行为的用户的上周充值总和；沉默充值帐号ARPU值∙上月沉默充值帐号ARPU值= 上月帐号沉默充值收入/ 当月沉默充值帐号数；∙上周沉默充值帐号ARPU值= 上周帐号沉默充值收入/ 当周沉默充值帐号数；沉默充值用户ARPU值∙上月沉默充值用户ARPU值= 上月用户沉默充值收入/ 当月沉默充值用户数；∙上周沉默充值用户ARPU值= 上周用户沉默充值收入/ 当周沉默充值用户数；流失充值∙月流失充值：上月有充值行为，本月无登录，且无充值行为；∙周流失充值：统计日前30天有充值行为，本周无登录，且无充值行为；∙日流失充值：统计日前30天有充值行为，但统计日内无登录，且无充值行为；流失充值帐号数∙月流失充值帐号数：上月有充值行为，本月无登录，且无充值行为的帐号数；∙周流失充值帐号数：统计日前30天有充值行为，本周无登录，且无充值行为的帐号数；∙日流失充值帐号数：统计日前30天有充值行为，但统计日内无登录，且无充值行为的帐号数；流失充值用户数∙月流失充值用户数：上月有充值行为，本月无登录，且无充值行为的用户数；∙周流失充值用户数：统计日前30天有充值行为，本周无登录，且无充值行为的用户数；∙日流失充值用户数：统计日前30天有充值行为，但统计日内无登录，且无充值行为的用户数帐号流失充值收入∙上月帐号流失充值收入：上月有充值行为，本月无登录且无充值行为的帐号的上月充值总和；∙上周帐号流失充值收入：统计日前30天有充值行为，本周无登录且无充值行为的帐号的上周充值总和；用户流失充值收入∙上月用户流失充值收入：上月有充值行为，本月无登录且无充值行为的用户的上月充值总和；∙上周用户流失充值收入：统计日前30天有充值行为，本周无登录且无充值行为的用户的上周充值总和；流失充值帐号ARPU值∙上月流失充值帐号ARPU值= 上月帐号流失充值收入/ 当月流失充值帐号数；∙上周流失充值帐号ARPU值= 上周帐号流失充值收入/ 当周流失充值帐号数；流失充值用户ARPU值∙上月流失充值用户ARPU值= 上月用户流失充值收入/ 当月流失充值用户数；∙上周流失充值用户ARPU值= 上周用户流失充值收入/ 当周流失充值用户数；新增充值∙月新增充值：当月首次发生充值行为；∙周新增充值：当周首次发生充值行为；∙日新增充值：当日首次发生充值行为；新增充值帐号数∙月新增充值帐号数：当月首次发生充值行为的帐号数；∙周新增充值帐号数：当周首次发生充值行为的帐号数；∙日新增充值帐号数：当日首次发生充值行为的帐号数；新增充值用户数∙月新增充值用户数：当月首次发生充值行为的用户数；∙周新增充值用户数：当周首次发生充值行为的用户数；∙日新增充值用户数：当日首次发生充值行为的用户数；帐号新增充值收入∙月帐号新增充值收入：当月首次发生充值行为的帐号的当月充值总和；∙周帐号新增充值收入：当周首次发生充值行为的帐号的当周充值总和；∙日帐号新增充值收入：当日首次发生充值行为的帐号的当日充值总和；用户新增充值收入∙月用户新增充值收入：当月首次发生充值行为的用户的当月充值总和；∙周用户新增充值收入：当周首次发生充值行为的用户的当周充值总和；∙日用户新增充值收入：当日首次发生充值行为的用户的当日充值总和；新增充值帐号ARPU值∙月新增充值帐号ARPU值= 月帐号新增充值收入/ 月新增充值帐号数；∙周新增充值帐号ARPU值= 周帐号新增充值收入/ 周新增充值帐号数；∙日新增充值帐号ARPU值= 日帐号新增充值收入/ 日新增充值帐号数；新增充值用户ARPU值∙月新增充值用户ARPU值= 月用户新增充值收入/ 月新增充值用户数；∙周新增充值用户ARPU值= 周用户新增充值收入/ 周新增充值用户数；∙日新增充值用户ARPU值= 日用户新增充值收入/ 日新增充值用户数；新增充值(全新)——首登帐号且第一次充值∙月新增充值(全新)：当月首登且当月第一次充值；∙周新增充值(全新)：当周首登且当周第一次充值；新增充值帐号数(全新)∙月新增充值帐号数(全新)：当月首登且当月第一次充值的账号数；∙周新增充值帐号数(全新)：当周首登且当周第一次充值的账号数；新增充值用户数(全新)∙月新增充值用户数(全新)：当月首登且当月第一次充值的用户数；∙周新增充值用户数(全新)：当周首登且当月第一次充值的用户数；帐号新增充值收入(全新)∙月帐号新增充值收入(全新)：当月首登且当月第一次充值的账号的充值总和；∙周帐号新增充值收入(全新)：当周首登且当周第一次充值的账号的充值总和；用户新增充值收入(全新)∙月用户新增充值收入(全新)：当月首登且当月第一次充值的用户的充值总和；∙周用户新增充值收入(全新)：当周首登且当周第一次充值的用户的充值总和；新增充值帐号ARPU值(全新)充值帐号数(全新)；∙周新增充值帐号ARPU值(全新) = 周帐号新增充值收入(全新)/ 周新增充值帐号数(全新)；新增充值用户ARPU值(全新)∙月新增充值用户ARPU值(全新) = 月用户新增充值收入(全新) / 月新增充值用户数(全新)；∙周新增充值用户ARPU值(全新) = 周用户新增充值收入(全新)/ 周新增充值用户数(全新)；新增充值(老转新)——非首登帐号第一次充值∙月新增充值(老转新)：非当月首登但当月第一次充值；∙周新增充值(老转新)：非当周首登但当周第一次充值；新增充值帐号数(老转新)∙月新增充值帐号数(老转新)：非当月首登但当月第一次充值的账号数；∙周新增充值帐号数(老转新)：非当周首登但当周第一次充值的账号数；新增充值用户数(老转新)∙月新增充值用户数(老转新)：非当月首登但当月第一次充值的用户数；∙周新增充值用户数(老转新)：非当周首登但当周第一次充值的用户数；帐号新增充值收入(老转新)∙月帐号新增充值收入(老转新)：非当月首登但当月第一次充值的账号的充值总和；∙周帐号新增充值收入(老转新)：非当周首登但当周第一次充值的账号的充值总和；用户新增充值收入(老转新)∙月用户新增充值收入(老转新)：非当月首登但当月第一次充值的用户的充值总和；∙周用户新增充值收入(老转新)：非当周首登但当周第一次充值的用户的充值总和；新增充值帐号ARPU值(老转新)新增充值帐号数(老转新)；∙周新增充值帐号ARPU值(老转新) = 周帐号新增充值收入(老转新) / 周新增充值帐号数(老转新)；新增充值用户ARPU值(老转新)∙月新增充值用户ARPU值(老转新) = 月用户新增充值收入(老转新) / 月新增充值用户数(老转新)；∙周新增充值用户ARPU值(老转新) = 周用户新增充值收入(老转新) / 周新增充值用户数(老转新)；新增充值(老用户)——新增充值帐号中，其注册身份证在此之前有过其他的充值帐号∙月新增充值(老用户)：历史充值用户的新开帐号在当月有第一次充值；∙周新增充值(老用户)：历史充值用户的新开帐号在当周有第一次充值；新增充值帐号(老用户)∙月新增充值帐号(老用户)：历史充值用户在当月新开有充值行为的帐号数；∙周新增充值帐号(老用户)：历史充值用户在当周新开有充值行为的帐号数；新增充值用户(老用户)∙月新增充值用户(老用户)：历史充值用户在当月新开有充值帐号的用户数；∙周新增充值用户(老用户)：历史充值用户在当周新开有充值帐号的用户数；帐号新增充值收入(老用户)∙月帐号新增充值收入(老用户)：历史充值用户在当月新开有充值行为的帐号的充值总和；∙周帐号新增充值收入(老用户)：历史充值用户在当周新开有充值行为的帐号的充值总和；用户新增充值收入(老用户)∙月用户新增充值收入(老用户)：历史充值用户在当月新开有充值帐号的用户的充值总和；∙周用户新增充值收入(老用户)：历史充值用户在当周新开有充值帐号的用户的充值总和；新增充值帐号ARPU值(老用户)∙月新增充值帐号ARPU值(老用户) = 月帐号新增充值收入(老用户) / 月新增充值帐号数(老用户)；∙周新增充值帐号ARPU值(老用户) = 周帐号新增充值收入(老用户)/ 周新增充值帐号数(老用户)；新增充值用户ARPU值(老用户)∙月新增充值用户ARPU值(老用户) = 月用户新增充值收入(老用户) / 月新增充值用户数(老用户)；∙周新增充值用户ARPU值(老用户) = 周用户新增充值收入(老用户)/ 周新增充值用户数(老用户)；实时类和其他名词帐号实时在线∙当日在线：统计日当天，每10分钟取一次实时在线帐号数据；∙前日在线：统计日前一天，每10分钟取一次实时在线帐号数据；∙上周同期在线：统计日- 7天，每10分钟取一次实时在线帐号数据；角色实时购买∙当日购买：统计日当天，每小时取一次角色购买金额；∙前日购买：统计日前一天，每小时取一次角色购买金额；∙上周同期购买：统计日- 7天，每小时取一次角色购买金额；。

怎样计算服务器托管带宽与在线人数服务器托管对于网站来说是举足轻重的，选择一个好的服务器就直接关系到了网站的发展，服务器的重要性是不言而喻的，那么站长们是否会计算服务器托管带宽与在线人数呢？专职优化、域名注册、网站空间、虚拟主机、服务器托管、vps主机、服务器租用的中国信息港来为你探究！计算机上有两个最基本的单位，Byte（字节）和bit（位），二者的换算关系是1Byte=8bits。

其他的K、M、G、T等都是数量级。

100Mbps（100M bits per second）独享带宽，换算到我们日常熟悉的文件大小，要除以8；也就是说100Mbps带宽，理论下每秒可以下载的文件大小约是12.5MB（M Byte）.如果再加上损耗，IP头等，大概也就10MB/S左右。

如果你是用这10M去点播普通电影（600kbps)的，产生一次顺畅点播需要每秒传递的数据大小600/8≈80KB左右，10240K/80,也就120个同时链接（并发）。

当然如果你要是做网页的话，每个人需要的带宽大约也就5k /s左右，也就是2000来个同时连接（并发）。

通常意义上来讲，做网页服务器，用带宽来计算同时在线人数是不准确的，你同样可以支持1万个人在线，因为访问网页的时候只是短时间连接服务器请求数据，这 1万人未必同时需要1万个并发连接。

网页人数的在线，主要是跟服务器的性能相关。

视频服务器或者下载服务器，游戏服务器，才跟带宽直接相关。

三带宽能同时允许在线人数多少？带宽方面是支持在线人数的最关键的一个因素，服务器按照咱们所保证的百共保证带宽是3M，即3Mbit/s，相应的，服务器的数据最高传输速度应为3 /8byte/s*1024=384K/s 。

一分钟流量大约384K/S*60=23040K，假使每个用户一分钟内占用10K，即该一分钟内支持在线访问人数为2304人。

（图片类和视频类站点不在此例，因为图片类视频类每个用户一分钟内绝对超过10K），但是，我们并不能保证每个用户在一分钟内只访问一个该站链接，假如每个用户在一分钟内点该站两个链接的话，那么支持在线人数应该在2000以下。