Performance 为什么在衡量应用程序性能时平均值如此流行

在测量应用程序性能（例如响应时间）时，很容易遇到平均值（mean）

ab

，

httpref

和许多其他实用程序正在报告平均值和标准偏差。但从理论上看，这对我来说没有多大意义。这就是原因

均值很好地描述了对称分布的总体，因为在对称分布的情况下，均值等于总体模式和期望值。但响应时间的分布并不对称。它们更像指数。在这种情况下，平均数告诉我们什么

使用百分位值更方便，它告诉我们在百分之多少的响应中，我们可以承受多少响应时间

---

我遗漏了什么吗？或者说，仅仅因为计算起来很简单，我的意思就很流行吗？

是的，你遗漏了什么

描述性统计的全部要点是呈现一些数字来描述（或表示、建模或…）大量数字。它们有助于理解大型数据集，从数据中提取信息，对数据集进行近似比较，这些数据集的精确比较非常大，并且令人困惑于人类思维的局限性

但是没有一个单一的描述性统计总是适合所有的目的，也没有人告诉你必须、应该或应该使用平均数。如果它不适合你的目的，就用别的东西

---

碰巧你写得很不对，它们更像是指数。在这种情况下，平均数告诉我们什么。对于速率参数为

lambda

的指数分布，平均值就是

1/lambda

，所以平均值告诉了你指数分布的一切。

我不是统计学专家，但我相信平均值被使用得太多了，因为这些值有助于衡量指数分布的可伸缩性系统

你需要首先考虑你的平均值，以了解你的系统在特定的工作量和需要预测的情况下需要怎样做，你通常对离群点不感兴趣，至少在一开始不太感兴趣。

---

当然，您需要查看您的最小值和峰值，以了解您的系统何时会出现瓶颈，但正如我所说的，平均值向您显示了一种正确且可预测的行为。

各种工具的功能不一定来自有意义的东西，而是来自用户的期望

你完全正确，分布是非负的，并且严重倾斜，百分位数会提供更多信息

---

或者，更像对数正态分布或卡方分布的分布会更好一些。

你确定即使他们称之为均值，他们也不会计算期望值吗？因为对性能的外部随机影响会使分布趋于正态，通常报告平均处理时间，但只给出相同的输入参数集。对不同处理时间的请求求平均值基本上是没有意义的。这就是为什么有固定输入的标准化基准。@Razvan

ab

standart输出表示：min，mean，[+/-sd]，median，max。所以我认为这只是平均值。@hristoilev

httperf

例如可以将会话日志重放到被测系统。会话可以包含不同的请求。即使如此，响应时间也不会是正态（高斯）分布的。系统不能比它更快地工作，只能更慢。所以响应时间分布通常是长尾分布，但这并不意味着响应时间是严格的指数分布。我的意思是，通常这些分布有“长尾”。它们通常也可能是双向和多模式的。但我明白你关于描述性统计的观点，谢谢。问题是，在性能分析中，没有实际结果可以建立在平均值的基础上。但是，平均值仍然很流行。我不明白你的意思。关于系统的可伸缩性，平均值是多少？我想吞吐量是衡量可伸缩性的更合适的指标。