性能监控指标

一、TP 与百分位数

1.1 TP 指标

在对系统进行性能测试或性能监控时候，TP 指标是一种比较常见的性能参数，包括 TP50、TP99、TP999 等等。

总次数 * 指标数 = 对应指标在总次数中的序号

通俗点说，假设为了测试某接口性能，对其调用 100 次，将每次的响应时间升序排序，假设响应时间排序结果为：1、2、3…99、100 毫秒。

那么：

TP50 = 100 * 50% = 第50次 = 50毫秒

也就是说，该接口 TP50 达到了 50 毫秒的水平，也就是说请求该接口有 50% 的情况耗时在 50 毫秒以下。

同理：

TP999 = 100 * 99.9% = 第99.9次 ≈ 100毫秒

也就是说，该接口 TP999 达到了 100 毫秒的水平，也就是说请求该接口有 99.9% 的情况耗时在 100 毫秒以下。

需要注意的是，一般在 TP 指标中，如果对应的序号不是整数，一般向上取整。例如在上例的 TP999 中，序号 99.9 不存在，取了序号 100 来计算。

1.2 百分位数

TP 指标脱离了在计算机中的应用，实际上在统计学学中就是百分位数的概念。

百分位数：如果将一组数据从小到大排序，并计算相应的累计百分位，则某一百分位所对应数据的值就称为这一百分位的百分位数。可表示为：一组n个观测值按数值大小排列。如，处于p%位置的值称第p百分位数。

也就是说，TP50 其实就是 50百分位数，TP999 就是 99.9百分位数。百分位数计算的结果是一个具体值，计算公式如下：

假设存在数组（下标从 0 开始） a，百分位数为：p，将数组其升序排序后，那么：

$(a.length - 1) \ast p = i + j$

其中 $i$ 为结果整数部分， $j$ 为结果小数部分。

计算最终结果为：

$res = (1 - j) \ast a[i] + j \ast a[i+1]$

举个例子：存在数组：[1, 2, 3, 4, 5, 6, 6, 6, 6, 7, 8, 9]，已经保证升序排序了，求90百分位数，那么：

\begin{split} (a.length - 1) \ast p &= i + j\\ (12-1) \ast 90\% &= 9.9 \\ (12-1) \ast 90\% &= 9 + 0.9 \\ \end{split}

计算最终结果为：

\begin{split} res &= (1 - 0.9) \ast a[9] + 0.9 \ast a[10]\\ res &= 0.1 \ast 7 + 0.9 \ast 8\\ res &= 7.9 \end{split}

也就是说，这组数据的90百分位数为 7.9，即 TP90 = 7.9。

PS：以上公式实际上就是 Excel 的 PERCENTILE 函数的实现。

最后给出 Java 版的 TP 计算方法，供大家参考。

/**
 * eg: tp(list, 0.95)
 */
public static double tp(List<Double> nums, double percent) {
    if(CollectionUtils.isEmpty(nums) || percent <= 0 || percent > 1) {
        return -1;
    }
    nums.sort(Double::compareTo);
    int index = (int)(percent * nums.size() - 1);
    return nums.get(index);
}