LoadRunner中的90%响应时间深度解析:描述统计在性能测试中的应用

0 下载量 12 浏览量 更新于2024-08-30 收藏 368KB PDF 举报
《LoadRunner没有告诉你的》之一,由火龙果软件工程技术中心撰写,深入探讨了描述性统计在LoadRunner性能结果分析中的重要性。文章聚焦于90%响应时间这个概念,解释了为何在评估系统性能时,仅依赖平均事务响应时间是不够全面的。作者通过实例对比,如{1,3,5,10,16}和{5,6,7,8,9}这两个测试结果,指出平均值相同的测试可能在用户体验上有显著差异。 文章强调了90%用户响应时间的概念,因为这代表了大部分用户的实际体验。在实际场景中,比如一次测试中有100个请求,即使平均响应时间为4.7秒,但最小和最大响应时间的巨大差距可能导致平均值并不反映实际的性能瓶颈。因此,了解不同百分位的响应时间(如50th、60th、70th等)对于全面评估性能至关重要。 此外,文章提到LoadRunner本身不直接提供90%响应时间的数据,但可以通过导出原始数据到Excel,利用PERCENTILE函数计算这些百分比的响应时间分布,从而获得更精确的性能指标。作者指出,平均事务响应时间可能与某些关键用户群体的需求不符,例如,HomePage的平均响应时间虽在5秒范围内,但实际有10-20%的请求超过这个时间;同样,对于Page1,尽管平均响应时间达标,但仍有一部分用户可能遇到延迟问题。 总结起来,了解和分析LoadRunner中的描述性统计,特别是90%响应时间,可以帮助测试人员更准确地判断系统的性能表现,以便做出更符合用户期望的优化决策。通过实际操作和数据处理,可以弥补工具本身的局限,提升性能测试的深度和准确性。