指标数据TP50、TP90、TP99、TP999

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了指标数据TP50、TP90、TP99、TP999相关的知识,希望对你有一定的参考价值。

参考技术A 概念:TP指标: 指在一个时间段内,统计该方法每次调用所消耗的时间,并将这些时间按从小到大的顺序进行排序,并取出结果为:总次数 * 指标数 = 对应TP指标的值, 在取出排序好的时间。

TP50:指在一个时间段内(如5分钟),统计该方法每次调用所消耗的时间,并将这些时间按从小到大的顺序进行排序,取第50%的那个值作为TP50 值;配置此监控指标对应的报警阀值后,需要保证在这个时间段内该方法所有调用的消耗时间至少有50%的值要小于此阀值,否则系统将会报警。

TP90,TP99,TP999与TP50值计算方式一致,它们分别代表着对方法的不同性能要求,TP50相对较低,TP90则比较高,TP99,TP999则对方法性能要求很高。

举个例子:有四次请求耗时分别为:

10ms,1000ms,100ms,2ms

那么我们可以这样计算TP99:4次请求中,99%的请求数为4*0.99,进位取整也就是4次,满足这全部4次请求的的最低耗时为1000ms,也就是TP99的答案是1000ms。

高并发监控[一]:TP90TP99耗时监控设计与实现

背景

性能测试中,我们经常选择TP90TP95TP99等指标项作为性能对比的参考水位, 在本文中,我们给出一种计算 TP90、TP95 和 TP99 等水位线的方法,首先我们解释一下TP90、TP95、TP99的含义.

  • TP90: 即 90% 的数据都满足某一条件.
  • TP95: 即 95% 的数据都满足某一条件.
  • TP99: 即 99% 的数据都满足某一条件.

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2
  • 99: 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。

设计思路
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数据保存并进行排序。首先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TreeMap,以计算耗时的 TP90、TP95 或者 TP99 等水位线为例:
<1,1><5,3><6,1><2,2>< 3,3><4,2><7,2><9,3><10,3>

TreeMap<Long,Long>: key为耗时,value为该耗时下的数据个数,TreeMap是红黑色树数据结构实现,可在初始化时指定其key的排序规则(从小到大):
TreeMap<Long, Long> treeMap = new TreeMap<>(Comparator.naturalOrder());

TreeMap<Long, Long> treeMap = new TreeMap<>(Comparator.naturalOrder());

排序后的数据如下:
<1,1> <2,2> < 3,3> <4,2> <5,3> <6,1> <7,2> <9,3> <10,3>
排序完成后我们需要对总的数据量计进行统计,即对TreeMap的value的数据个数进行循环累加统计:

Long total=treeMap.values().stream().mapToLong(o->o).sum();
total:20

接下来完成对TP90、TP95和TP99的index计算:

Double idx90= Math.ceil((double)total*90/100);
idx90:19
Double idx95= Math.ceil((double)total*95/100);
idx95:20
Double idx99= Math.ceil((double)total*99/100);
idx99:20

此时我们可以看到TP90的index为19,TP95和TP99的index为20,根据TreeMap的耗时分部情况如下:


那如何将index和我们的区间数据进行映射找寻出该区间对应的耗时呢? 我们可以通过对treeMap数据进行一次recordMap转换,recordMap key记录耗时的第一个idx,value则为该耗时数值:

TreeMap<Long, Long> transMap = new TreeMap<>(Comparator.naturalOrder());
AtomicReference<Long> idx= new AtomicReference<>(0l);
treeMap.forEach((key,value)->
    transMap.put(idx.get(),key);
    idx.updateAndGet(v -> v + value);
); 

 则转换后的数据如下:

0=1, 1=2, 3=3, 6=4, 8=5, 11=6, 12=7, 14=9, 17=10

然后可以通过java8提供的floorEntry返回小于或等于给定的键的值映射:

Long total=treeMap.values().stream().mapToLong(o->o).sum();
Double idx90= Math.ceil((double)total*90/100);
Double idx95= Math.ceil((double)total*95/100);
Double idx99= Math.ceil((double)total*99/100);
Map.Entry<Long, Long> idx90Entry = transMap.floorEntry(idx90.longValue());
Map.Entry<Long, Long> idx95Entry = transMap.floorEntry(idx95.longValue());
Map.Entry<Long, Long> idx99Entry = transMap.floorEntry(idx99.longValue());

Long TP90=idx90Entry.getValue();
Long TP95=idx95Entry.getValue();
Long TP99=idx99Entry.getValue();

代码实现

整体代码实现如下:

@Test
public void test03()
    TreeMap<Long, Long> treeMap = new TreeMap<>(Comparator.naturalOrder());
    // <1,1> <5,3> <6,1> <2,2> <3,3> <4,2> <7,2> <9,3> <10,3>
    treeMap.put(1l,1l);
    treeMap.put(5l,3l);
    treeMap.put(6l,1l);
    treeMap.put(2l,2l);
    treeMap.put(3l,100l);
    treeMap.put(4l,2l);
    treeMap.put(7l,2l);
    treeMap.put(9l,3l);
    treeMap.put(10l,3l);

    TreeMap<Long, Long> transMap = new TreeMap<>(Comparator.naturalOrder());
    AtomicReference<Long> idx= new AtomicReference<>(0l);
    treeMap.forEach((key,value)->
        transMap.put(idx.get(),key);
        idx.updateAndGet(v -> v + value);
    );

    Long total=treeMap.values().stream().mapToLong(o->o).sum();
    Double idx90= Math.ceil((double)total*90/100);
    Double idx95= Math.ceil((double)total*95/100);
    Double idx99= Math.ceil((double)total*99/100);
    Map.Entry<Long, Long> idx90Entry = transMap.floorEntry(idx90.longValue());
    Map.Entry<Long, Long> idx95Entry = transMap.floorEntry(idx95.longValue());
    Map.Entry<Long, Long> idx99Entry = transMap.floorEntry(idx99.longValue());

    Long TP90=idx90Entry.getValue();
    Long TP95=idx95Entry.getValue();
    Long TP99=idx99Entry.getValue();

    System.out.println("TP90:"+TP90+", TP95:"+TP95+", TP99:"+TP99);

以上是关于指标数据TP50、TP90、TP99、TP999的主要内容,如果未能解决你的问题,请参考以下文章

tp90和tp99是指什么性能指标

性能测试latency TP99,TP999

TP90,TP99,TP999,MAX含义

高并发监控[一]:TP90TP99耗时监控设计与实现

高并发监控[一]:TP90TP99耗时监控设计与实现

高并发监控[一]:TP90TP99耗时监控设计与实现