排队等待计算器

M/M/1 是排队论的「理想气体模型」：到达服从泊松分布（M）、服务时间服从指数分布（M）、单服务台（1）。四个核心公式：利用率 ρ = λ/μ；系统内平均数 L = ρ/(1−ρ)；平均逗留时间 W = 1/(μ−λ)；平均等待时间 Wq = ρ/(μ−λ)。λ=8、μ=10 时：ρ=0.8，L=4，W=0.5s，Wq=0.4s——注意非线性：利用率从 50% 到 80%，等待时间从 0.1s 涨到 0.4s（4 倍）；到 95% 时 Wq 冲到 1.9s（19 倍）。

这条曲线解释了运营世界的一个普适规律：「资源利用率」与「响应体验」是天然矛盾。医院急诊、呼叫中心、红绿灯、CPU 调度、机场安检——所有排队系统都服从同一数学。容量规划的黄金分割点：利用率控制在 70-85%——再低浪费资源，再高体验崩塌且无缓冲抗突发。多服务台（M/M/c）是另一个世界：c 个窗口共享队列，同样 80% 利用率下等待时间大幅缩短（Erlang C 公式）——这就是「蛇形单队列多窗口」优于「每窗口一队」的数学证明。

用 M/M/1 之前先校准三个假设的偏差：泊松到达意味着「客户独立随机地来」——客服电话、网站请求近似成立，但食堂开饭、下班打卡是批量到达（要用批量模型）；指数服务时间意味着「多数服务很快、少数拖很久」——理发、维修近似成立，流水线作业则是定长服务（M/D/1，等待约减半）；无限队列假设在电话占线、缓冲区满的场景直接失效（改用 M/M/1/K 有限队列模型）。假设选错，公式给出的就是精致的错数。

非线性悬崖是排队论给运营世界的第一课：等待时间正比于 1/(1−ρ)，利用率 50% 时等待 1 个服务时长，80% 时 4 个，95% 时 19 个——后 15% 的利用率榨取，代价是体验崩塌 4 倍。反过来，从 95% 降到 85%（只释放 10% 容量），等待砍半以上。这就是容量规划把 70–85% 称为黄金区间的原因：资源效率与体验缓冲的帕累托最优带。与 QPS 估算计算器 联用，可以把流量预测直接翻译成利用率曲线。

多服务台的共享队列红利值得单独量化：c 个窗口、一条蛇形队列（M/M/c）与 c 条独立队列（c 个 M/M/1）在同样利用率下，前者等待显著更短——因为共享队列消除了「某窗口空闲而别的队列还有人」的浪费。Erlang C 公式给出精确解，工程口算规则：4 窗口共享队列的等待约为独立队列的 1/4 到 1/5。银行、机场安检、云厂商的负载均衡，全是这条数学的应用。

排队心理学与排队数学同等重要：迪士尼的研究表明，「被占用的等待」（排队区放预演视频、互动装置）主观时长缩短 30% 以上；「不确定的等待」比「确定的更长等待」更难忍受——这就是为什么叫号系统要显示预计等待分钟数；「不公平感」是体验的核弹（插队），单队列蛇形设计同时解决了效率与公平两个维度。先算清数学，再设计体验，顺序不能反。

排队论在工具箱中的位置：本工具输出 W（逗留时间）与 L（系统内人数），它与 利特尔法则计算器 是同一枚硬币的两面——利特尔法则从观测反推（L=λW 恒成立），排队论从模型预测（给定分布假设推 W 与 L）；容量缓冲的口径可接 错误预算计算器：把「高峰期 P99 等待不超过 X 秒」写成 SLO，超出预算时触发扩容。三个工具串起「预测→观测→预算」的完整容量闭环。