百分位数

百分位数
百分位数度量的是占总数特定百分比的观察点的值。从本质上讲，它们会展示数据集的分布。例如，我们在上面看到的中间数是50百分位数（或p50）。对于中间数（已排好序的数据）来说，50％的值低于它，50％高于它。对于指标而言，百分位数很有意义，因为它们可以清晰地展现数值的分布。例如，一个事务的99百分位数为10毫秒，这很容易理解：99％的事务在10毫秒或更短时间内完成，1％的事务处理时间超过10毫秒。
百分位数是分位数的一种。
百分位数是识别异常值的理想选择。如果响应时间小于10毫秒表示你网站上的一个良好体验，那么99％的用户都是这样的—但其中1％的用户没有。一旦意识到这一点，你就可以专注于解决造成那1％的性能问题。
让我们将其应用到之前的请求和响应时间图表，看看会发生什么。将75和99百分位数应用于第一个示例数据集，如图1-14所示。

图1-14　响应时间的平均值、中间数和百分位数示例1

我们看到p75是5.5秒，这表明75％的请求在5.5秒内完成，25％比这个要慢，这与之前的分析基本相符。另一方面，p99为10.74秒，意味着99％的用户的请求响应时间少于10.74秒，剩余1％则超过10.74秒。百分位数展现了应用程序运行的真实情况。此外，我们还可以分析p75和p99的分布。如果我们很满意99％的用户获得10.74秒或更快的响应时间，而1％的用户比这更慢，那么我们就不需要考虑任何进一步的调整。而如果我们想要一致的响应时间，或者想要所有数据都低于10.74秒，那么现在便已经明确了可以跟踪、分析和改进的事务。在调整性能时，也能够看到p99响应时间的改善。
通过第二组数据可以看得更加清晰，如图1-15所示。

图1-15　响应时间的平均值、中间数和百分位数示例2

从图中可以看出p75为10秒，p99为12秒，其中p99清晰地显示了响应时间的广泛分布，这更准确地反映了网站的运行情况。我们现在了解到（与平均响应时间相反）并非所有用户都感受到了优质的体验。我们可以使用此数据来识别可能需要改进的应用程序模块。
然而，百分位数并不是完美的。我们建议绘制几种指标组合，以获得更清晰的数据图。例如，在测量延迟时，最好可以展示以下几项内容：

• 50百分位数（或中间数）
• 99百分位数
• 最大值

添加最大值有助于可视化所测量指标的边界，虽然它也不完美：一个较高的最大值可以使图中的其他值显得渺小。
当开始构建检查和收集指标时，我们会应用百分位数和其他聚合指标，这会在后续章节进行介绍。