測(cè)試的過(guò)程中，難免需要會(huì)遇到一些性能瓶頸，那么就要求我們能夠分析出性能瓶頸，并給出解決方案。
性能瓶頸很抽象，我們可以通過(guò)數(shù)據(jù)使其具象。
以我工作內(nèi)容為例，服務(wù)器處理數(shù)據(jù)的能力是有限的，那么其處理的邊界值是多少呢？
根據(jù)給出的指標(biāo)，我們需要分析這些指標(biāo)對(duì)處理時(shí)間的影響程度（相關(guān)性）。
偷懶直接使用python完成
源代碼如下：

# -*- coding: utf-8 -*- """ Created on Tue Jul 24 14:47:41 2018@author: jfjiang3 """ #相關(guān)性分析 計(jì)算相關(guān)系數(shù) import pandas as pdsrc = 'src.xls' #原數(shù)據(jù) data = pd.read_excel(src, index_col = u'序號(hào)') #讀取數(shù)據(jù)，指定“序號(hào)”列為索引列print("相關(guān)系數(shù)矩陣，即給出了任意兩列之間的相關(guān)系數(shù):") print(data.corr()) #相關(guān)系數(shù)矩陣，即給出了任意兩列之間的相關(guān)系數(shù) print("顯示“平均下載時(shí)間”與其他因素的相關(guān)系數(shù):") print(data.corr()[u'平均下載時(shí)間']) #只顯示“平均下載時(shí)間”與其他因素的相關(guān)系數(shù)

?

結(jié)果如下：

相關(guān)系數(shù)矩陣，即給出了任意兩列之間的相關(guān)系數(shù):報(bào)名人數(shù) 直播參課人數(shù) 直播滿勤人數(shù) 直播缺勤人數(shù) 觀看人數(shù) 平均下載時(shí)間 報(bào)名人數(shù) 1.000000 -0.242072 -0.384117 0.966091 0.602773 0.463708 直播參課人數(shù) -0.242072 1.000000 0.986240 -0.484384 0.569690 0.564154 直播滿勤人數(shù) -0.384117 0.986240 1.000000 -0.608801 0.431492 0.453250 直播缺勤人數(shù) 0.966091 -0.484384 -0.608801 1.000000 0.391901 0.267983 觀看人數(shù) 0.602773 0.569690 0.431492 0.391901 1.000000 0.795470 平均下載時(shí)間 0.463708 0.564154 0.453250 0.267983 0.795470 1.000000 顯示“平均下載時(shí)間”與其他因素的相關(guān)系數(shù): 報(bào)名人數(shù) 0.463708 直播參課人數(shù) 0.564154 直播滿勤人數(shù) 0.453250 直播缺勤人數(shù) 0.267983 觀看人數(shù) 0.795470 平均下載時(shí)間 1.000000 Name: 平均下載時(shí)間, dtype: float64

結(jié)果：

1、我們推測(cè)業(yè)務(wù)處理的復(fù)雜度關(guān)系是：觀看人數(shù)>直播參課人數(shù)>報(bào)名人數(shù)
2、可以從觀看人數(shù)、直播參課人數(shù)、報(bào)名人數(shù)對(duì)參與率表生成業(yè)務(wù)進(jìn)行優(yōu)化，可以優(yōu)先考慮觀看人數(shù)指標(biāo)。
3、根據(jù)實(shí)際使用情況，當(dāng)報(bào)名人數(shù)為700-800時(shí)，當(dāng)前現(xiàn)網(wǎng)處理能力已接近瓶頸。

轉(zhuǎn)載于:https://www.cnblogs.com/jianfeijiang/p/9360955.html

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的基于相关性分析系统性能瓶颈的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。