这个 Erlang C 计算器能回答什么
“客服热线要排多少人?”和“上线时要几台服务器?”其实是同一个问题:请求随机到达,每个请求占用一台服务器一段时间,所有服务器都忙时,后来者就要排队。本计算器把这种情况建模为 M/M/c 排队,并用丹麦工程师 A. K. Erlang 于 1917 年发表的 Erlang C 公式,算出等待概率、平均等待时间、队列长度,以及在目标时间内得到服务的比例。
它还会反向求解:找出满足服务水平目标(如设置了,还包括平均等待时间上限)的最少服务器数,并列出该数附近的对比表,让你看到增减一台服务器的效果。
使用方法
- 到达率 λ:每秒、每分钟或每小时的来电、会话、工单或请求数。请用最繁忙时段的数值,而不是全天平均。
- 平均服务时间:每次到达的平均处理时长(呼叫中心为通话加话后处理时间,服务器为请求处理时间)。也可以改为输入每台服务器的服务率 μ。
- 服务器数 c:并行服务的坐席、worker、线程或机器数量。留空则显示推荐数量下的结果。
- 服务水平目标:等待时间不超过 T 的到达比例。默认的“20 秒内接通 80%”只是常见示例,不是法规或标准,请填写你自己的目标。
同一工具也适用于 IT 容量规划:输入每秒请求数和以毫秒计的服务时间,把“服务器”理解为并发 worker 即可。
计算公式
设到达率为 λ,平均服务时间为 s(服务率 μ = 1/s),则话务量 A = λ/μ(单位:爱尔兰),利用率 ρ = A/c。只有 A < c 时队列才稳定;否则队列会无限增长,计算器会直接提示,而不是给出一个数字。
到达者需要等待的概率就是 Erlang C,记作 C(c, A)。本计算器用 Erlang B 递推 Bk = A·Bk−1 / (k + A·Bk−1) 并通过 C = c·B / (c − A(1 − B)) 求得。这种算法不涉及阶乘,即使有数千台服务器也能保持精度。由 C 可得:
- 平均排队等待时间 Wq = C / (cμ − λ),平均逗留时间 W = Wq + 1/μ;
- 平均队列长度 Lq = λWq,系统内平均数量 L = Lq + A;
- 服务水平 P(Wq ≤ T) = 1 − C·e−(cμ−λ)T(先到先服务)。
结果满足利特尔法则 L = λW,并在结果中作为校验显示。也可以用吞吐量计算器(利特尔法则)交叉验证。
计算示例
某客服中心每小时接到 120 通电话(每分钟 2 通),平均处理时长 4 分钟,则 A = 2 × 4 = 8 爱尔兰。10 名坐席时,利用率 80%,40.9% 的来电需要等待,平均等待约 49 秒,20 秒内接通的只有 65.4%。增加到 11 名坐席后,等待概率降到 24.5%,平均等待降到 19.6 秒,服务水平升到 80.9%。所以要达到“20 秒内接通 80%”,需要 11 名坐席;12 名坐席则为 90.0%。
教材校验:Iversen 所著 Teletraffic Engineering and Network Planning 例 9.3.1 中,话务量 20 爱尔兰、平均服务时间 100 秒、32 条线路的系统,平均等待时间为 0.075 秒。本计算器结果为 0.0747 秒。
IT 示例:每秒 5,000 个请求、每个 120 ms,则 A = 600 爱尔兰。要让 99% 的请求在 50 ms 内开始处理,需要 610 个并发 worker,此时利用率 98.4%,平均排队约 7 ms。
假设与局限
- 到达随机且相互独立(泊松过程),服务时间服从指数分布。
- 服务器性能相同,按先到先服务处理,等待空间不限。
- 假设没有人中途放弃。现实中来电者会挂断,这时 Erlang C 会高估等待时间和所需人数;考虑放弃的 Erlang A 模型(M/M/N+M,Garnett、Mandelbaum 与 Reiman,2002)更合适。
- 结果指实际在线接听的人数,休息、培训和缺勤(shrinkage)需另行加上。
- 突发流量、重试和波动很大的服务时间通常会让排队比模型更糟。请把结果当作下限,并用真实负载验证。
想了解单个任务并行化的加速上限,请使用阿姆达尔定律计算器。