看了篇好文章，如下：
个人的一些理解。仅供参考。
首先我基于对你的理解是的是“首页并发访问数”（如果理解不对，是首页并发用户数，也可以根据下面理解转换）
你只提到了首页，访问首页只是业务场景之一，需要你考量所有业务场景。不同网站的业务场景不同。所以你需要根据以下理解，得出自己网站的场景和计算结果。
一些给出涉及概念：
1.业务并发用户数；2.最大并发访问数；3.系统用户数；4.同时在线用户数；
假设一个OA系统有1000用户，这是系统用户数；最高峰同时有500人在线，是“同时在线人数”，也称作“最大业务并发用户数”；500个同时使用系统用户中20%查看系统公告，不构成压力；20%填写表格（只在提交时才会请求，填写对服务器不构成压力）；40%在发呆（什么都没做）；20%用户不停从一个页面跳转另一个页面（只有这20%对服务器产生了压力）。
说明服务器实际压力，能承受的最大并发访问数，既取决于业务并发用户数，还取决于用户的业务场景，这些可以通过对服务器日志的分析得到。
一般只需要分析出典型业务（用户常用，最关注的业务操作）
给出一个估算业务并发用户数的公式（测试人员一般只关心业务并发用户数）
C=nL/T
C^=C+3×(C的平方根)
C是平均的业务并发用户数、n是login session的数量、L是login session的平均长度、T是指考察的时间段长度、C^是指业务并发用户数的峰值。
该公式的得出是假设用户的login session产生符合泊松分布而估算得到。
假设OA系统有1000用户，每天400个用户发访问，每个登录到退出平均时间2小时，在1天时间内用户只在8小时内使用该系统。
C=400×2/8=100
C^=100+3×(100的平方根)=100+3×10=130
另外，如果知道平均每个用户发出的请求数u，则系统吞吐量可以估算为u×C
请注意：精确估算，还要考虑用户业务操作存在一定的时间集中性（比如上班后1小时内是OA系统高峰期），采用公式计算仍然会存在偏差。针对例子OA系统可以把1小时设定为考察时间的粒度，将一天8小时划分为8个区间，这样可以解决业务操作存在集中性问题，更趋于精准，偏差更小。
平均日访问量（次/日）=用户数 * 访问页数 * 页平均连接数 / 每月天数
平均每小时访问量（次/小时）=平均日访问量 / 每天访问时间
平均每秒访问量（次/秒）=平均每小时访问量 / 3600
峰值日访问量（次/日）=用户数*访问页数* 页平均连接数 / 峰值天数
峰值小时访问量(次/小时)=峰值日访问量 / 每天访问时间
峰值每秒访问量（次/秒）=峰值小时访问量 / 3600
平均日吞吐量(Mbytes/日)=平均日访问量*每个连接下载量（K） / 1024
平均每秒吞吐量(Kbytes/秒)=平均每秒访问量*每个连接下载量（K）
高峰时每秒吞吐量(Kbytes/秒)=峰值每秒访问量*每个连接下载量（K）