TP90、TP95、TP99性能指标含义及计算

前言

在性能测试中，我们经常会选择 TP90、TP95 或者 TP99 等水位线作为性能指标。首先，我们先解释一下 TP90、TP95 和 TP99 的含义：

TP90，top percent 90，即 90% 的数据都满足某一条件；
TP95，top percent 95，即 95% 的数据都满足某一条件；
TP99，top percent 99，即 99% 的数据都满足某一条件；
在这里，我们之所以说其“满足某一条件”，是因为在计算的时候，我们既可以向前计算也可以向后计算，例如：
1, 2, 3, …, 98, 99, 100
如上所示，这是一个从 1 至 100 的数列，如果我们想计算其 TP99 的值，其方法为用数列中数值的总个数乘以 99%，即100 * 99% = 99，显然在这个数列中有两个数值满足这个 99 的概念，分别为：

• 2，即数列中 99% 的数值都大于等于2
• 99，即数列中 99% 的数值都小于等于99

因此，TP90、TP95 或者 TP99 等水位线是有两种含义的，具体选择哪一种，我们可以按需求自己选择。

计算方式

如果我们要计算 TP90、TP95 或者 TP99 等水位线的值，其前提就是需要我们将所有的待计算值保存起来。那么我们应该用什么数据结构来存储这一系列的值呢？数组？或者列表？实际上，无论我们选择哪一种数据结构，我们都不能假设其长度无限大，因为内存空间是有限的，而且数据结构也有理论上的最大值，但是我们要存储的值的个数却可能是无限的。因此，我们就需要利用有限长度的数据结构存储更多的数值。在这里，数据结构我们选择数组，以计算耗时的 TP90、TP95 或者 TP99 等水位线为例：

double[] SCALE = new double[2400]
int[] countContainer = new int[2400]
如上所示，我们创建了两个长度相同数组，其中

SCALE数组，用来存储耗时的占位符，表示对应的耗时值；
countContainer数组，用来存储某个耗时值的出现次数，与SCALE数组一一对应
例如，SCALE[1024]的值为 1025，而countContainer[1024]的值为 2050，则表示耗时为 1025 的值出现了 2050 次。
又因为耗时的值可以无限大，而我们却不能穷尽其所有值，更切合实际的情况是：大部分的耗时值都集中在某一个区域。因此，我们只需要列出常见的数值，并利用步长来控制即可，具体方法为：

SCALE数组索引0 ~ 999，存储1 ~ 1000，步长为 1
SCALE数组索引1000 ~ 1899，存储1010 ~ 10000，步长为 10
SCALE数组索引1900 ~ 2399，存储10100 ~ 60000，步长为 100
countContainer数组索引0 ~ 2399，均初始化为 0
其中，存储的最大耗时值为 60000，表示 60000 毫秒，也就是 1 分钟。

当记录耗时t的时候，假设t = 1000，

拿着t到SCALE数组中匹配对应的槽位，计算得知SCALE[999] = 1000，则其对应槽位的索引值为999；
到countContainer数组中， 将countContainer[999]得值累计 1
循环步骤 1 和步骤 2
当我们想要计算 TP99 的值，则停止步骤 3，获取耗时的总记录个数sum，即countContainer数组中所有值的累加和，然后：

计算 TP99 的水位线，假设sum * 99% = waterline99
从countContainer[0]开始，从前往后累加数组的值（或者从countContainer[2399]开始，从后往前累加数组的值）
当countContainer[0] + countContainer[1] + … + countContainer[target] >= waterline99的时候，记录target索引
拿着target到SCALE数组中匹配对应的槽位，SCALE[target]即为 TP99 的值
至此，TP99 计算完毕。其它，诸如 TP90 或者 TP95，甚至 TP50 等，可类似计算。