平均值会说谎:平均延迟 80 毫秒的服务可能有一半请求超过 200 毫秒——分布不对称时均值失真。分位数描述分布:p95 表示 95% 的样本低于该值,剩下的是最差体验;性能口径看 p95 与 p99 而不是平均值。精确分位数要全量排序,高频场景用分桶近似:把值域按 50/100/200/500/1000/2000 毫秒切桶,统计每桶计数,分位数即累加计数到达总量乘 p 时的桶边界——结果落在桶宽的误差之内。
分桶记录与分位查询。示例代码如下:
local BOUNDS = { 50, 100, 200, 500, 1000, 2000 }
local counts = {}
local function record(ms)
local b = 1
while b <= #BOUNDS and ms > BOUNDS[b] do
b = b + 1
end
counts[b] = (counts[b] or 0) + 1
end
local function percentile(p)
local total = 0
for i = 1, #BOUNDS + 1 do
total = total + (counts[i] or 0)
end
local target = math.floor(total * p)
local acc = 0
for i = 1, #BOUNDS + 1 do
acc = acc + (counts[i] or 0)
if acc >= target then
if i == 1 then
return BOUNDS[1]
end
return BOUNDS[i - 1]
end
end
return 0
end
技能延迟接线。示例代码如下:
record(120)
record(80)
record(310)
print("烈火剑法 p95 ≈ " .. percentile(0.95) .. " 毫秒")
精确法:1000 个样本排序取位约 0.4 毫秒,还要存全量 1000 个数;分桶法:单次记录一次比较一次累加约 0.001 毫秒,存储只有 7 个桶计数,p95 读取瞬时完成。误差口径:桶宽 50 毫秒时结果偏差至多 50 毫秒,要更准就把桶切密——精度与桶数成正比。
三个不适用场景: 一是需要定位具体样本的审计(哪一笔请求最慢),分桶答不出个体,要全量留痕;二是长尾极重的无界值域(偶发 30 秒),静态桶要把超界桶留足,否则长尾全堆进末尾桶;三是样本量只有几十条时直接排序更简单,分桶是给高频场景的工具。
全站技术干货持续更新:996 引擎 / Lua 实战帖,语法、参数与示例一篇讲透。进入文章地图 · 查看全部 →
【游戏】 一、一行代码拆解:if price < WATCH[goods] then notify end —— 关注降价的…
【游戏】 一、业务场景:赛季结算发现一名玩家胜率 10% 却排在黄金段——历史计分只加不减,积分体系失效 3 个月;积分赛—…
【语法】 一、抛坑提问:3 对括号能组成多少种合法序列?答案是 5——卡塔兰数列:每一项等于前一项乘 2 倍的 2n 减 1…
【语法】 一、抛坑提问:不想用全局随机函数(怕多处共享种子互相干扰),可自实现一个独立随机序列——线性同余法三行核心:乘、加…
【游戏】 一、一行代码拆解:PENDING[outId] = {by = actor, at = now} —— 双人复核的…
【语法】 一、隐蔽陷阱:圆周率小数位背不出更多就不算理解随机模拟?用蒙地卡罗法随机撒点统计,10 万个点能把圆周率估到两位小…