loadrunner analysis中的几个指标解释(ZT)

loadrunner analysis是一个很强大的结果分析组件,如何正确的分析它提供的统计数据对于测试人员来说也是很重要的一环.

loadrunner的analysis提供的很多数据都是统计学的一些重要概念,它尝试去描述你的取样数据的曲线模型,数据的分布情况.下面是我对几个数据的了解:

1. Median
   中值,表示采样数据的中间值.简单来说,就是在你的采样数据中,有一般的数据比它大,一般的数据比它小,举例如下:
   a.假设一组数据(2,3,5,6,1),这组数据的中值为3
   b.假设一组数据(1,2,3,4,5,6),这组数据的中值为(3+4)/2
2. 90 Percent
   我之前也理解错了,其实这个值是告诉你你的采样数据中有90%的数据比它小,有10%的数据比它大,举例如下:
   假设你有一组数据(1,3,4,6,5,11,8,2,9,12),从大到小排序之后为(1,2,3,4,5,6,8,9,11,12),那么你的90 precent就是11.
   这个主要的作用就是当你的性能指标中有定义某个事务的响应时间90%的值不能超过某个阀值时来参考的.当然这个90%是可调整的,你可以在analysis中通过tools-options下的Transaction Percentile来调整.
   注:这个值大概的意思就是这样,具体的计算方式我还没完全清楚.
3. Std. Deviation
   标准方差,这个数据是描述数据采样数据离散状态很重要的指标,它又分为以下两种:
   a.给定样本标准方差,它是估算给定样本而不是整个样本的标准方差(也就是样本中的一部分).计算公式如下:
   
   其中a代表平均值,n代表取样个数.n-1主要是统计学上的常用做法,主要考虑到采样量越大,越能反应真实的情况.
   b.总体样本标准方差.它是估算整个采样样本的标准方差(注意,是整个采样数据,而不是部分),计算公式如下:
   
   当采样数据足够大的时候,两种计算方式得出的偏差相差很小.
   我有做过验证,loadrunner的计算方式采用总体样本标准方差计算方式计算(对于验证过程,以后我会详细描述),
   标准方差相对于平均值越大,说明数据越离散,分布状态相对于平均值波动很大;标准方差相对于平均值越小,说明数据分布越集中,曲线也越平稳.在采样值服从正态分布的条件下，资料中约有68.26%的采样值在平均数左右一倍标准差范围内；约有95.43%的采样值在平均数左右两倍标准差范围内；约有99.73%的采样值在平均数左右三倍标准差范围内。全距近似地等于6倍标准差

通过上面三个指标结合平均值,最大值,最小值,你可以比较清楚的知道你的采样数据分布状态,采样数据是否有大的波动,这些对于你分析系统的状态都是很重要的参考.