问对性能度量的分布进行建模

EN

您将如何对重复的真实性能测量的分布进行数学建模--“真实生活”意味着您不只是遍历所讨论的代码，而只是在典型用户场景中运行的大型应用程序中的一小段代码？

我的经验表明，通常在平均执行时间附近有一个峰值，可以用高斯分布对其进行充分建模。此外，还有一个包含异常值的“长尾”--通常是平均时间的倍数。(考虑到导致首次执行处罚的因素，这种行为是可以理解的)。

我的目标是对合理反映这一点的聚合值进行建模，并且可以从聚合值计算(就像高斯分布一样，根据N计算µ和sigma，值的和和平方和)。我的目标是建立合理反映这一点的聚合值模型，并且可以从聚合值计算(如)。换句话说，重复的次数是无限的，但内存和计算需求应该最小化。

正态高斯分布不能对长尾进行适当的建模，即使只有很小百分比的异常值，也会有很强的平均值偏差。

我正在寻找的想法，特别是如果这之前已经尝试/分析过的话。我已经检查了各种分布模型，我认为我可以找到一些东西，但我的统计数据生疏了，我可能最终会得到一个过度夸大的解决方案。哦，一个完整的收缩包装的解决方案也很好;)

其他方面/想法：有时你会得到“两个驼峰”分布，这在我的场景中是可以接受的，只有一个mu/sigma可以涵盖这两个方面/想法，但理想情况下应该是单独标识的。

据此推断，另一种方法是“浮动概率密度计算”，它只使用有限的缓冲区，并自动调整到范围(由于长尾，箱子可能不是均匀分布的)-没有发现任何东西，但通过一些关于分布的假设，原则上应该是可能的。

为什么选择(因为有人问过它)-

对于一个复杂的过程，我们需要做出这样的保证：“只有0.1%的运行超过了3秒的限制，平均处理时间是2.8秒”。孤立代码的性能可能与正常的运行时环境有很大的不同，该运行时环境涉及不同级别的磁盘和网络访问、后台服务、一天内发生的预定事件等。

这可以通过积累所有数据来简单地解决。但是，要在生产中积累这些数据，需要限制生成的数据。对于孤立的代码片段的分析，高斯偏差加上第一次运行惩罚是可以的。这不再适用于上面找到的发行版。

编辑我已经得到了非常好的答案(最后--也许--需要一些时间来解决这个问题)。我正在发起一项赏金活动，以寻求更多的投入/想法。