서블릿 기반 응용 프로그램이 있는데,이 서블릿에 대한 각 요청을 완료하는 데 걸린 시간을 측정합니다. 평균과 최대 값과 같은 간단한 통계를 이미 계산했습니다. 그러나 좀 더 정교한 분석을 만들고 싶습니다. 그렇게하려면 이러한 응답 시간을 올바르게 모델링해야한다고 생각합니다.
확실히, 응답 시간은 잘 알려진 분포를 따르며, 분포가 올바른 모형이라고 믿을만한 충분한 이유가 있습니다. 그러나 나는이 분포가 무엇인지 모른다.
로그 정규 및 감마가 떠오를 때 실제 반응 시간 데이터 중 하나를 적합하게 만들 수 있습니다. 누구든지 응답 시간을 따라야하는 분포에 대한 견해를 가지고 있습니까?
답변:
로그 정규 분포는 내가 일정 기간 동안 모든 사용자 기반을 통해 서버 응답 시간의 대기 시간을 설명에 최선을 찾을 수있는 하나입니다.
시간이 지남에 따라 사이트 대기 시간 분포를 측정하는 사업을하는 적절한 이름의 사이트 lognormal.com 에서 몇 가지 예를 볼 수 있습니다 . 나는 행복한 사용자를 제외하고는 사이트와 제휴하지 않습니다. 분포는 다음과 같습니다. 응답 (예 : 웹 페이지로드) 시간 대 응답 수 :
이 차트에서로드 시간 (X 축) 스케일은 선형입니다. x 축을 로그 스케일로 전환하면 분포의 모양이 피크의 오른쪽에서 더 평범한 모양 (종 모양)으로 나타납니다.
내 연구에 따르면 가장 좋은 모델은 몇 가지 사항에 의해 결정됩니다. 1) 몸, 꼬리 또는 둘 다에 관심이 있습니까? "둘 다"가 아닌 경우 필터링 된 데이터 세트를 모델링하는 것이 더 유용 할 수 있습니다. 2) 당신은 매우 간단하거나 정확한 것을 원하십니까? 즉, 얼마나 많은 매개 변수가 있습니까?
1에 대한 대답이 "둘 다"이고 2가 "간단한"경우 파레토가 가장 잘 작동하는 것 같습니다. 그렇지 않으면 1이 "body"이고 2가 "simple"인 경우 필터링 된 erlang 모델을 선택하십시오. 1이 "둘 다"이고 2가 "정확한"경우 로그 도메인의 데이터에 가우스 혼합 모델이 필요할 수 있습니다.
나는 이것을 최근에 연구하고 있으며, 공공 인터넷에서 주제가 충분히 다루어지지 않았기 때문에이 주제에 대한 연구를 자세히 설명 하는 블로그 게시물을 작성했습니다.