分位数口径怎么选
延迟指标的口径选择直接决定结论：中位数描述典型体验，高分位数描述尾部体验，而平均值在偏态分布下几乎没有代表性。服务等级目标与优化目标必须明确到具体分位数，否则同一个系统在“平均两百毫秒”的描述下，可能隐藏着百分之几的用户等待超过一秒。报告分位数时要一并给出样本量与统计窗口，样本不足时高分位数本身就不稳定。跨工具对比还要留意不同实现对分位数的插值方式可能不同，必须标注工具与口径。
基本信息
| 分位含义 | 中位数看典型体验，高分位数看尾部体验 |
|---|---|
| 常见口径 | 中位数、95 分位、99 分位 |
| 样本要求 | 样本量不足时高分位数不稳定 |
| 工具差异 | 插值方式可能不同，需标注工具与窗口 |
| 分布前提 | 偏态分布下平均值不具代表性 |
典型使用场景
- 服务等级定义：明确到具体分位数与统计窗口
- 优化目标设定：按用户体验确定应当关注哪个分位
- 故障评估：尾部恶化通常先于平均值变化出现
- 容量规划：按高分位数而非平均值确定资源规模
- 跨工具对比：标注工具与口径来避免误比
口径示例
口径示例
# 同一份样本输出多个分位数
中位数 120ms | 95 分位 480ms | 99 分位 1.2s
# 中位数与高分位数差距越大，尾延迟越严重
# 报告需附样本量与统计窗口分位口径选择
| 口径 | 描述对象 | 适用场景 |
|---|---|---|
| 中位数 | 典型用户的体验 | 日常体验评估 |
| 95 分位 | 较慢的那部分请求 | 一般服务等级指标 |
| 99 分位 | 尾部体验 | 关键业务与长尾优化 |
| 平均值 | 受极值影响大 | 仅作粗略参考 |
样本量不足时高分位数不稳定，报告里必须附样本数，否则 99 分位这类指标的正常波动会被误读成性能变化。
不同工具计算分位数时的插值方式存在差异，跨工具对比要标注工具名称与统计窗口，否则差异可能只是算法不同造成的。