性能测试：一种计算 TP90、TP95 和 TP99 等水位线的方法 |
您所在的位置：网站首页 › top90 数据分析 › 性能测试：一种计算 TP90、TP95 和 TP99 等水位线的方法 |
|
文章目录
前言计算方法代码
前言
在性能测试中，我们经常会选择 TP90、TP95 或者 TP99 等水位线作为性能指标。在本文中，我们就给出一种计算 TP90、TP95 和 TP99 等水位线的方法。首先，我们先解释一下 TP90、TP95 和 TP99 的含义： TP90，top percent 90，即 90% 的数据都满足某一条件；TP95，top percent 95，即 95% 的数据都满足某一条件；TP99，top percent 99，即 99% 的数据都满足某一条件；在这里，我们之所以说其“满足某一条件”，是因为在计算的时候，我们既可以向前计算也可以向后计算，例如： 1, 2, 3, ..., 98, 99, 100如上所示，这是一个从 1 至 100 的数列，如果我们想计算其 TP99 的值，其方法为用数列中数值的总个数乘以 99%，即100 * 99% = 99，显然在这个数列中有两个数值满足这个 99 的概念，分别为： 2，即数列中 99% 的数值都大于等于299，即数列中 99% 的数值都小于等于99因此，TP90、TP95 或者 TP99 等水位线是有两种含义的，具体选择哪一种，我们可以按需求自己选择。 计算方法如果我们要计算 TP90、TP95 或者 TP99 等水位线的值，其前提就是需要我们将所有的待计算值保存起来。那么我们应该用什么数据结构来存储这一系列的值呢？数组？或者列表？实际上，无论我们选择哪一种数据结构，我们都不能假设其长度无限大，因为内存空间是有限的，而且数据结构也有理论上的最大值，但是我们要存储的值的个数却可能是无限的。因此，我们就需要利用有限长度的数据结构存储更多的数值。在这里，数据结构我们选择数组，以计算耗时的 TP90、TP95 或者 TP99 等水位线为例： double[] SCALE = new double[2400]int[] countContainer = new int[2400]如上所示，我们创建了两个长度相同数组，其中 SCALE数组，用来存储耗时的占位符，表示对应的耗时值；countContainer数组，用来存储某个耗时值的出现次数，与SCALE数组一一对应例如，SCALE[1024]的值为 1025，而countContainer[1024]的值为 2050，则表示耗时为 1025 的值出现了 2050 次。 又因为耗时的值可以无限大，而我们却不能穷尽其所有值，更切合实际的情况是：大部分的耗时值都集中在某一个区域。因此，我们只需要列出常见的数值，并利用步长来控制即可，具体方法为： SCALE数组索引0 ~ 999，存储1 ~ 1000，步长为 1SCALE数组索引1000 ~ 1899，存储1010 ~ 10000，步长为 10SCALE数组索引1900 ~ 2399，存储10100 ~ 60000，步长为 100countContainer数组索引0 ~ 2399，均初始化为 0其中，存储的最大耗时值为 60000，表示 60000 毫秒，也就是 1 分钟。 当记录耗时t的时候，假设t = 1000， 拿着t到SCALE数组中匹配对应的槽位，计算得知SCALE[999] = 1000，则其对应槽位的索引值为999；到countContainer数组中， 将countContainer[999]得值累计 1循环步骤 1 和步骤 2当我们想要计算 TP99 的值，则停止步骤 3，获取耗时的总记录个数sum，即countContainer数组中所有值的累加和，然后： 计算 TP99 的水位线，假设sum * 99% = waterline99从countContainer[0]开始，从前往后累加数组的值（或者从countContainer[2399]开始，从后往前累加数组的值）当countContainer[0] + countContainer[1] + ... + countContainer[target] >= waterline99的时候，记录target索引拿着target到SCALE数组中匹配对应的槽位，SCALE[target]即为 TP99 的值至此，TP99 计算完毕。其它，诸如 TP90 或者 TP95，甚至 TP50 等，可类似计算。 代码 public class MonitorWaterLineCalculator { // 累计调用次数 private long count; // 占位数组 private final double[] SCALE = new double[2400]; // 统计数组 private long[] countContainer = new long[2400]; // 水位线 private double percentXx; /** * 构造方法 * * @param waterLine 水位线 */ public MonitorWaterLineCalculator(double waterLine) { if (waterLine 100.0) { throw new IllegalArgumentException("waterLine must be less than 100.0 and more than 0.0"); } else { percentXx = (100.0 - waterLine) / 100; } // 初始化 SCALE 数组，1 ~ 1000 步长为 1 for (int i = 0; i SCALE[i] = 1000 + j; } // 初始化 SCALE 数组，10001 ~ 60000 步长为 100 for (int i = 1900, j = 100; i // 累加次数 count++; // 找到下标 int index = positionInValueArray(value); countContainer[index]++; } // 容错，确保通过水位线处理后的数值在 [1, MAX] 范围内 private long adjust(int input, int max) { if (input return max; } else { return input; } } public synchronized double getResult() { // 为位置进行容错，该值应该属于 [1,total] 范围 long percentXxPos = adjust((long) (count * percentXx), count); double percentXxValue = Double.MAX_VALUE; // 开始遍历每一个元素，从后往前算 int scanned = 0; int length = countContainer.length; // 计算结果，或者符合水位线的值，为在步长误差范围内的模糊值 for (int index = length - 1; index >= 0; index--) { // 当前没有值，无论如何也不会成为备选 if (0.0 == countContainer[index]) { continue; } // 当前有值 scanned += countContainer[index]; // 水位线 if (scanned >= percentXxPos) { percentXxValue = SCALE[index]; break; } } return percentXxValue; } /** * 寻找待处理数值在数组中的位置 * * @param val 待处理值 * @return 数组中的位置 */ private int positionInValueArray(double val) { int length = SCALE.length; // 如果大于最大值或者小于等于最小值 if (val >= SCALE[length - 1]) { return length - 1; } else if (val int mid = (begin + end) >> 1; double midValue = array[mid]; double halfMidValue = midValue / 2; // 判断是否可以命中 if (value > halfMidValue && value // 处理边界条件 if (mid - 1 return binarySearch(array, mid + 1, end, value); } } }如上述代码所示，记录数值的时候，调用accumulate方法；获取结果的时候，调用getResult方法。 特别地，MonitorWaterLineCalculator构造器支持自定义的参数，灵活性更高。 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |