ARMS分位数指标计算原理

背景介绍

分位数是将一组数据按照大小顺序分成若干等份的数值点，用来表示数据的分布情况。常见的分位数包括：

• P50代表中位数，即将数据分为两等份的数值点。

• P75表示数据中排在前75%的数值点。

• P90表示数据中排在前90%的数值点。

• P99表示数据中排在前99%的数值点。

通过分位数可以更直观地了解数据的分布情况，以及数据中的极端值和离群值。

ARMS探针分位数计算原理

4.x及以上版本探针基于分桶的方式来计算耗时分位数，目前默认的分桶边界为：

[0.0, 5.0, 10.0, 25.0, 50.0, 75.0, 100.0, 250.0, 500.0, 750.0, 1000.0, 2500.0, 5000.0, 7500.0, 10000.0]。

对应的分桶耗时区间为：

• 桶0：(-∞, 0.0]

• 桶1：(0.0, 5.0]

• 桶2：(5.0, 10.0]

• 桶3：(10.0, 25.0]

• 桶4：(25.0,50.0]

• 桶5：(50.0,75.0]

• 桶6：(75.0,100.0]

• 桶7：(100.0,250.0]

• 桶8：(250.0,500.0]

• 桶9：(500.0,750.0]

• 桶10：(750.0,1000.0]

• 桶11：(1000.0,2500.0]

• 桶12：(2500.0,5000.0]

• 桶13：(5000.0,7500.0]

• 桶14：(7500.0,10000.0]

• 桶15：(10000.0, +∞]

下面结合示例说明中的样本说明ARMS计算分位数的原理。

1. 针对每一个样本点，确定该样本点对应的分桶，并对对应的分桶计数器计数加1，得到如下结果：

   • 桶0：0

   • 桶1：2

   • 桶2：5

   • 桶3：7

   • 桶4：0

   • 桶5：0

   • 桶6：0

   • 桶7：0

   • 桶8：0

   • 桶9：0

   • 桶10：0

   • 桶11：0

   • 桶12：0

   • 桶13：0

   • 桶14：0

   • 桶15：0

2. 计算分位数。

   以计算P75为例。

   1. 先根据需要计算的分位数计算分桶表。

      P75即需要保证75%的数据在左边，共有14个样本数据，14*0.75 = 10.5，需要找到一个分桶，该分桶的数据和该分桶左边的数据加起来需要有11个样本，所以找到桶3。

   2. 按照线性插值的方法计算最终分位数。

      桶0 + 桶1 + 桶2已经有7个数据点了，所以在桶3中仅需要找4个数据点，桶3中总共有7个数据点，再结合桶3的区间(10.0, 25.0]。

      所以最终P75 = 10.0 + （25.0-10.0）* 4 / 7 = 18.6。

分位数优缺点分析

优点：开销极小，无需保存全量样本数据即可计算任意分位数。

缺点：在耗时极小、耗时极大、样本数很少等场景下，分位数存在计算不准确的情况。

ARMS调用链分析分位数计算原理

调用链分析中分位数是以满足页面过滤条件的所有Span的耗时为样本数据，并调用日志服务的SQL函数计算得到，详情请参见函数概览中估算函数的approx_percentile函数说明。