Java jHiccup:直方图数据似乎不一致
我正在用Azul的jHiccup运行一个应用程序。应用程序通过jsvc启动,并带有-javaagent选项。jHiccup设置是默认设置(输出文件名除外) 应用程序运行约107分钟。但是,如果我将生成的Java jHiccup:直方图数据似乎不一致,java,performance,Java,Performance,我正在用Azul的jHiccup运行一个应用程序。应用程序通过jsvc启动,并带有-javaagent选项。jHiccup设置是默认设置(输出文件名除外) 应用程序运行约107分钟。但是,如果我将生成的hgrm文件中的所有值相加,则打嗝的总长度似乎太大了 我计算hiccup值的总和,如下所示: Sum( (TotalCountIncludingThisValue[n] - TotalCountIncludingThisValue[n-1]) * Value[n] ) 结果为1275百万牛顿,或
hgrm
文件中的所有值相加,则打嗝的总长度似乎太大了
我计算hiccup值的总和,如下所示:
Sum( (TotalCountIncludingThisValue[n] - TotalCountIncludingThisValue[n-1]) * Value[n] )
结果为1275百万牛顿,或约213分钟(假定数值以毫秒为单位)。这大约是应用程序运行时间的两倍
Total count*Mean
(从直方图值的底部)也给出了12 mln.,因此公式可能是正确的
为了比较,我从GC日志中加上了“应用程序时间”和“停止时间”。结果接近我的预期:~105分钟的应用时间和~2分钟的停止时间
我意外地覆盖了原始文件,因此这些是来自不同运行的示例文件:
跑步耗时约79分钟(17:50-19:09),但平均*总计数约为2300万。(也就是说,380分钟)。更新:[保留我原来的错误帖子] 嗯。所以我们两人的数学都错了(在你的问题和我最初的答案中)。表示(Total Count*Mean)的合理性检查应该大致等于运行时,这只是一个伪数学 这可以通过以下思维练习简单地演示: 下面是一个非常简单的场景:你测量一个运行完美的应用程序(空闲,所有间隔显示0 hiccup)100秒。然后你^Z系统100秒。然后让它再次在前台运行,并立即^C它。总运行时间为200秒 以下是关于这样一个系统的一些恰当的“人类如何用数字来描述这个”陈述:
- 99.99%的ile将非常接近100000毫秒
- 10%,,20%,,50%,,都将非常接近0毫秒
- 在前100秒(以及前100000个采样周期)内,平均值为0毫秒
- 在第二个100秒(以及第二个100000个采样周期)内,平均值为50000毫秒
- 总平均值为25000毫秒(总运行时间为200秒)
1.01 0.000000000000 47
1.06 0.100000000000 483774
1.06 0.200000000000 483774
1.06 0.300000000000 483774
1.10 0.400000000000 628589
1.11 0.500000000000 804685
1.12 0.550000000000 1024190
1.12 0.600000000000 1024190
1.12 0.650000000000 1024190
1.13 0.700000000000 1388741
1.13 0.750000000000 1388741
1.13 0.775000000000 1388741
1.13 0.800000000000 1388741
1.13 0.825000000000 1388741
1.13 0.850000000000 1388741
1.13 0.875000000000 1388741
1.13 0.887500000000 1388741
1.13 0.900000000000 1388741
1.13 0.912500000000 1388741
1.14 0.925000000000 1471124
1.14 0.937500000000 1471124
1.14 0.943750000000 1471124
1.14 0.950000000000 1471124
1.14 0.956250000000 1471124
1.14 0.962500000000 1471124
1.14 0.968750000000 1471124
1.14 0.971875000000 1471124
1.14 0.975000000000 1471124
1.14 0.978125000000 1492169
1.14 0.981250000000 1492169
1.14 0.984375000000 1492169
1.14 0.985937500000 1492169
1.14 0.987500000000 1492169
1.14 0.989062500000 1492169
1.15 0.990625000000 1500639
1.15 0.992187500000 1500639
1.15 0.992968750000 1500639
1.15 0.993750000000 1500639
1.15 0.994531250000 1500639
1.16 0.995312500000 1504895
1.16 0.996093750000 1504895
1.16 0.996484375000 1504895
1.16 0.996875000000 1504895
1.16 0.997265625000 1504895
1.16 0.997656250000 1504895
1.17 0.998046875000 1506535
1.17 0.998242187500 1506535
1.17 0.998437500000 1506535
1.17 0.998632812500 1506535
1.17 0.998828125000 1506535
1.18 0.999023437500 1507442
1.18 0.999121093750 1507442
1.18 0.999218750000 1507442
1.18 0.999316406250 1507442
1.18 0.999414062500 1507442
1.18 0.999511718750 1507836
1.18 0.999560546875 1507836
1.18 0.999609375000 1507836
1.18 0.999658203125 1507836
1.18 0.999707031250 1507836
1.19 0.999755859375 1508028
1.19 0.999780273438 1508028
1.19 0.999804687500 1508028
1.19 0.999829101563 1508028
1.20 0.999853515625 1508106
1.20 0.999877929688 1508106
1.21 0.999890136719 1508145
1.21 0.999902343750 1508145
1.22 0.999914550781 1508163
1.22 0.999926757813 1508174
1.25 0.999938964844 1508186
1.34 0.999945068359 1508195
1.82 0.999951171875 1508204
2.42 0.999957275391 1508213
3.54 0.999963378906 1508222
4.74 0.999969482422 1508231
5.09 0.999972534180 1508236
5.98 0.999975585938 1508241
6.24 0.999978637695 1508245
7.01 0.999981689453 1508251
7.97 0.999984741211 1508254
8.26 0.999986267090 1508257
8.96 0.999987792969 1508259
9.02 0.999989318848 1508261
9.98 0.999990844727 1508265
10.24 0.999992370605 1508266
11.01 0.999993133545 1508268
11.01 0.999993896484 1508268
11.97 0.999994659424 1508269
13.95 0.999995422363 1508271
14.98 0.999996185303 1508272
14.98 0.999996566772 1508272
16.00 0.999996948242 1508273
16.00 0.999997329712 1508273
17.02 0.999997711182 1508274
18.05 0.999998092651 1508275
18.05 0.999998283386 1508275
18.05 0.999998474121 1508275
18.05 0.999998664856 1508275
19.07 0.999998855591 1508276
19.07 0.999999046326 1508276
19.07 0.999999141693 1508276
19.07 0.999999237061 1508276
19.07 0.999999332428 1508276
19.97 0.999999427795 1508277
19.97 1.000000000000 1508277
#[Mean = 1.10, StdDeviation = 0.06]
#[Max = 19.84, Total count = 1508277]
#[Buckets = 25, SubBuckets = 256]
嗨,吉尔。我已经在帖子中添加了示例文件。在这种情况下,“Total Count*Mean”比runtime大得多。哦,现在它有意义了,非常感谢!我只是不理解h