測試的過程中，難免需要會遇到一些性能瓶頸，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，我們可以通過數據使其具象。
以我工作內容為例，服務器處理數據的能力是有限的，那么其處理的邊界值是多少呢？
根據給出的指標，我們需要分析這些指標對處理時間的影響程度（相關性）。
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 """ #相關性分析 計算相關系數 import pandas as pdsrc = 'src.xls' #原數據 data = pd.read_excel(src, index_col = u'序號') #讀取數據，指定“序號”列為索引列print("相關系數矩陣，即給出了任意兩列之間的相關系數:") print(data.corr()) #相關系數矩陣，即給出了任意兩列之間的相關系數 print("顯示“平均下載時間”與其他因素的相關系數:") print(data.corr()[u'平均下載時間']) #只顯示“平均下載時間”與其他因素的相關系數

?

結果如下：

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

結果：

1、我們推測業務處理的復雜度關系是：觀看人數>直播參課人數>報名人數
2、可以從觀看人數、直播參課人數、報名人數對參與率表生成業務進行優化，可以優先考慮觀看人數指標。
3、根據實際使用情況，當報名人數為700-800時，當前現網處理能力已接近瓶頸。

轉載于:https://www.cnblogs.com/jianfeijiang/p/9360955.html

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

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內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。