性能測試-響應時間的百分比指標
先前看過一本書，說到了性能測試者的關鍵數學原理，充分說明了關於性能測試一些數據的統計和分析，最大力度的獲取性能測試的真實指標。對此有也有些自己的感想，尤其是響應時間，和用戶切身相關的性能指標，通過百分比指標的分析，性能結果的好壞一目了然。
首先，大家看一組響應時間的數據：
假設，我們執行某個任務，響應時間的需求指標上限為1秒，開發了兩種方案：A、B，而且我們也做了相關的執行測試，分別收集了十組響應時間的性能數據。雖然，兩組數據平均響應時間都一樣，均為1秒，但本質上，差距還是很大的。List A方案，90%的用戶響應時間都在1秒以內，而List B方案，只有60%的用戶響應時間符合1秒以內的要求，單從用戶體驗的角度來說，List A顯然要好於List B，List B有40%的用戶會感覺不滿意，因為用戶感受到的恰恰是這種差異化，並不是平均的數據，所以平均值這種數據的統計意義和價值，要辯證的來看待。而這種數據百分比的模式恰恰會幫助我們避免出現這種情況，因為除了平均響應時間，我們通過關注90%響應時間，甚至95%的響應時間，能更加精確的定位到性能數據的這種差異化分布，而不僅僅是平均。List A 90%的響應時間為0.987秒，List B 90%的響應時間為1.273秒，因此，這種百分比的數據模式，比單純的平均響應時間要包含更多的信息。
另外，前面提到的關於一本web性能測試的書，關於性能測試者的關鍵數學原理，和性能測試的百分比模式有異曲同工之妙。關於關鍵數學原理這塊知識，通過三組數據，分別介紹了平均值、百分比數據、中位數、正常值、標准偏差、均勻分布、正態分布等等，也從統計學方面做了說明。