摘要

性能测试对于任何web或客户应用程序都至关重要。它们揭示了系统在各种情况下的行为和反应。该系统可能在有1000个并发用户的情况下运行得很好，但是当有100000个用户登录时，它会如何运行呢？就性能而言，它意味着实现系统的高速性、可扩展性和稳定性。对于单用户或多用户测试，物联网技术及应用，有不同的工具给出不同的性能数字来衡量这些关键性能指标，如响应时间、CPU时间、DB时间等。

但是，仅仅获得这些性能数据是不够的，因为它只传递当前性能值是表示性能良好还是性能不良。需要从这些指示性数字中得出更多的统计推断。下面介绍的这篇论文讨论了在当今的商业世界中，我们如何得出统计推断，建立任何web应用程序的不同关键性能指标之间的关系，预测未来的概率图，进行假设检验和进行回归分析

简介

，为了提高任何网站系统的生产效率，无论是个人项目、企业项目还是其他项目，都必须测试web应用程序的稳定性，即它能够处理指定的或预期的工作负载的能力。通过软件性能测试，可以测量任何重要应用程序的效率，这将有助于了解应用程序的好的或坏的行为[4]。

无性能（即性能差）的应用程序通常不会给组织带来预期的好处；它们增加了时间和金钱的净成本以及应用程序用户的声誉损失，服务器和云主机，因此被视为不可靠或对组织造成损失[2]。如果一个软件应用程序不能以一种高性能和高可靠性的方式提供其预期的服务，这将对产品涉及的每个人，从设计师、架构师、编码人员、测试人员和最终用户[3]产生不利影响，然而，与功能测试相比，它仍然是预先准备好的，而功能测试在大多数商业组织中都得到了很好的理解并具有很高的成熟度。公司在频繁地创建和部署应用程序时忽略了性能测试的重要性，而对应用程序的性能却忽略不计或完全不了解，最终在发布后又被性能和可伸缩性问题所困扰，这真是不可思议。然而，在过去的几年里，这种观念已经改变，组织开始关注检查他们的应用程序的性能行为。

问题陈述：性能好坏

那么如何判断任何网站或应用程序的性能好坏？归根结底，这都是关于感知的响应，一些关键的应用程序预计将在1秒或更短的阈值内交付输出，例如银行应用程序，而对于其他应用程序，仍然可以花费一分钟或更短的时间来达到用户的请求，例如购物，Facebook网站。在前一种情况下，几秒钟的延迟可能会激怒用户，而在后一种情况下，用户不太关心额外花费的几秒钟或几分钟。因此，准确地说，一个性能良好的应用程序是一个让最终用户执行给定任务而不会产生不必要的延迟或刺激的应用程序。重要的事实是，性能真的在旁观者的眼中[2]。

从最终用户的角度来看，这听起来很简单，物联网培训，但是从负责并需要关注其应用程序性能的组织的角度来看，迫切需要将这一事实转化为可量化的输出。不同的组织可能会发明不同的方法来预测响应，但是这里应该考虑使用标准的关键性能指标（kpi），例如端到端响应时间、cpu时间、数据库时间、内存等。这些KPI是可测量和可评估的，可以通过与一些标准阈值数字进行比较来判断被测系统或应用程序的行为是好是坏。衡量这些性能指标的指标将说明应用程序向最终用户提供服务的程度，或者以效率为导向的指标（如吞吐量和容量）将衡量应用程序对托管基础设施的利用程度。

然而，这些指示性的数据无法向用户传达数据的本质最终用户。对于做出重要决策至关重要的推论，例如，软件是否可以发布给客户，或者它是否是市场上更具竞争力的产品，或者随着用户/数据的增加，应用程序在不久的将来的表现如何等等，仍然是滞后的，不容易解释。因此，淘客推广，有必要从测试数据的这些关键性能指标中得出重要的统计推断，这将有助于组织对任何业务做出明智的决策。

在本文中，我介绍了不同的技术，例如创建五位数汇总的方框图，定义频率分布对于性能测试数据，识别未来数据集的概率分布，建立假设检验，并对性能测试数据进行回归分析，这将有助于从性能kpi数字得出统计推断。

创建五位数性能测试数据汇总的箱图

箱图是测试数据的图形化摘要，什么叫云，它基于五个数字的摘要最小值、第一个四分位数、中间值、第三个四分位数和最大值。四分位数将数据分成不同的四分之一。第一个四分位数（Q1）定义为数据集最小值和中间值之间的中间数。第二个四分位数（Q2）是数据的中位数。第三个四分位数（Q3）是数据集中值和最高值之间的中间值[6]。第一季度代表最低25%的数据，第二季度描述下一个25%的数据到中值，第三季度指定高于中值的25%的数据，最后一季度描述测试数据中最高25%的数据到最大值，