LoadRunner中的90％響應時間是什么意思？這個值在進行性能分析時有什么作用？本文爭取用最簡潔的文字來解答這個問題，并引申出“描述性統計”方法在性能測試結果分析中的應用。
為什么要有90％用戶響應時間？因為在評估一次測試的結果時，僅僅有平均事務響應時間是不夠的。為什么這么說？你可以試著想想，是否平均事務響應時間滿足了性能需求就表示系統的性能已經滿足了絕大多數用戶的要求？
假如有兩組測試結果，響應時間分別是{1，3，5，10，16}和{5，6，7，8，9}，它們的平均值都是7，你認為哪次測試的結果更理想？
假如有一次測試，總共有100個請求被響應，其中最小響應時間為0.02秒，最大響應時間為110秒，平均事務響應時間為4.7秒，你會不會想到最小和最大響應時間如此大的偏差是否會導致平均值本身并不可信？
為了解答上面的疑問，我們先來看一張表：
在上面這個表中包含了幾個不同的列，其含義如下：
CmdID 測試時被請求的頁面
NUM 響應成功的請求數量
MEAN 所有成功的請求的響應時間的平均值
STD DEV 標準差（這個值的作用將在下一篇文章中重點介紹）
MIN 響應時間的最小值
50 th(60/70/80/90/95 th) 如果把響應時間從小到大順序排序，那么50％的請求的響應時間在這個范圍之內。后面的60/70/80/90/95 th也是同樣的含義
MAX 響應時間的最大值
我想看完了上面的這個表和各列的解釋，不用多說大家也可以明白我的意思了。我把結論性的東西整理一下：
1. 90％用戶響應時間在LoadRunner中是可以設置的，你可以改為80％或95％；
2. 對于這個表，LoadRunner中是沒有直接提供的，你可以把LR中的原始數據導出到Excel中，并使用Excel中的PERCENTILE函數很簡單的算出不同百分比用戶請求的響應時間分布情況；
3. 從上面的表中來看，對于Home Page來說，平均事務響應時間(MEAN)只同70％用戶響應時間相一致。也就是說假如我們確定Home Page的響應時間應該在5秒內，那么從平均事務響應時間來看是滿足的，但是實際上有10-20％的用戶請求的響應時間是大于這個值的；對于Page 1也是一樣，假如我們確定對于Page 1的請求應該在3秒內得到響應，雖然平均事務響應時間是滿足要求的，但是實際上有20-30％的用戶請求的響應時間是超過了我們的要求的；
4. 你可以在95 th之后繼續添加96/ 97/ 98/ 99/ 99.9/ 99.99 th，并利用Excel的圖表功能畫一條曲線，來更加清晰表現出系統響應時間的分布情況。這時候你也許會發現，那個最大值的出現幾率只不過是千分之一甚至萬分之一，而且99％的用戶請求的響應時間都是在性能需求所定義的范圍之內的；
5. 如果你想使用這種方法來評估系統的性能，一個推薦的做法是盡可能讓你的測試場景運行的時間長一些，因為當你獲得的測試數據越多，這個響應時間的分布曲線就越接近真實情況；
6. 在確定性能需求時，你可以用平均事務響應時間來衡量系統的性能，也可以用90％或95％用戶響應時間來作為度量標準，它們并不沖突。實際上，在定義某些系統的性能需求時，一定范圍內的請求失敗也是可以被接受的；
7. 上面提到的這些內容其實是與工具無關的，只要你可以得到原始的響應時間記錄，無論是使用LoadRunner還是JMeter或者OpenSTA，你都可以用這些方法和思路來評估你的系統的性能。
事實上，在性能測試領域中還有更多的東西是目前的商業測試工具或者開源測試工具都沒有專門講述的——換句話說，性能測試僅僅有工具是不夠的。我們還需要更多其他領域的知識，例如數學和統計學，來幫助我們更好的分析性能數據，找到隱藏在那些數據之下的真相。
數據統計分析的思路與分析結果的展示方式是同樣重要的，有了好的分析思路，但是卻不懂得如何更好的展示分析結果和數據來印證自己的分析，就像一個人滿腹經綸卻不知該如何一展雄才
^_^一圖勝千言，所以這次我會用兩張圖表來說明“描述性統計”在性能測試結果分析中的其他應用。
在這張圖中，我們繼續使用了上一篇文章——《描述性統計與結果分析》一文中的方法，對響應時間的分布情況來進行分析。上面這張圖所使用的數據是通過對
Google.com首頁進行測試得來的，在測試中分別使用10/25/50/75/100幾個不同級別的并發用戶數量。通過這張圖表，我們可以通過橫向比較和縱向比較，更清晰的了解到被測應用在不同級別的負載下的響應能力。
這張圖所使用的數據與第一張圖一樣，但是我們使用了另外一個視角來對數據進行展示。表中最左側的2000/5000/10000/50000的單位是毫秒，分別表示了在整個測試過程中，響應時間在0-2000毫秒范圍內的事務數量占成功的事務總數的百分比，響應時間在2001-5000毫秒范圍內的事務數量占成功的事務總數的百分比，響應時間在5001-10000毫秒范圍內的事務數量占成功的事務總數的百分比，以及響應時間在10001-50000毫秒范圍內的事務數量占成功的事務總數的百分比。
這幾個時間范圍的確定是參考了業內比較通行的“2-5-10原則”——當然你也可以為自己的測試制定其他標準，只要得到企業內的承認就可以。所謂的“2-5-10原則”，簡單說，就是當用戶能夠在2秒以內得到響應時，會感覺系統的響應很快；當用戶在2-5秒之間得到響應時，會感覺系統的響應速度還可以；當用戶在5-10秒以內得到響應時，會感覺系統的響應速度很慢，但是還可以接受；而當用戶在超過10秒后仍然無法得到響應時，會感覺系統糟透了，或者認為系統已經失去響應，而選擇離開這個Web站點，或者發起第二次請求。
那么從上面的圖表中可以看到，當并發用戶數量為10時，超過95％的用戶都可以在5秒內得到響應；當并發用戶數量達到25時，已經有80％的事務的響應時間處在危險的臨界值，而且有相當數量的事務的響應時間超過了用戶可以容忍的限度；隨著并發用戶數量的進一步增加，超過用戶容忍限度的事務越來越多，當并發用戶數到達75時，系統幾乎已經無法為任何用戶提供響應了。
這張圖表也同樣可以用于對不同負載下事務的成功、失敗比例的比較分析。
Note：上面兩個圖表中的數據，主要通過Excel中提供的FREQUENCY，AVERAGE，MAX，MIN和PERCENTILE幾個統計函數獲得，具體的使用方法請參考Excel幫助手冊。