04系统设计目标（三）如何提升系统性能？

　　性能的度量指标
　　性能优化的第三点中提到，对于性能我们需要有度量的标准。有了数据才能明确目前存在的性能问题，也能用数据来评估性能优化的效果。所以明确性能的度量指标十分重要。一般来说，度量性能的指标是系统响应时间，但是单词的响应时间是没有意义的，你需要知道一段时间内的性能情况是什么，所以我们需要搜集这段时间内的响应时间数据，然后依据一些统计方法计算出特征值，这些特征值就代表这段时间的性能状况。我们常见的特征值有以下几类：
　　平均值
　　顾名思义，平局值是把这段时间的所有请求响应时间加起来，再除以总的请求数量。平均值可以一定程度上反应这段时间的性能，但是敏感度比较差，如果这段时间内有少量慢请求，在平均值上是反应不出来的。
　　举个例子，假设我们在 30s 内有 10000 次请求，每次请求的响应时间都是 1ms，那么这段时间响应时间平均值也是 1ms。这时，当其中 100 次请求的响应时间变成了 100ms，那么整体的响应时间是 (100 * 100 + 9900 * 1) / 10000 = 1.99ms。你看，虽然从平均值上来看仅仅增加了不到 1ms，但是实际情况是有 1% 的请求（100/10000）的响应时间已经增加了 100 倍。  所以，平均值对于度量性能来说只能作为一个参考。
　　最大值
　　这个更好理解，就是这段时间所有请求中，响应时间最大的，但这个指标的问题就是过于敏感。
　　还拿上面的例子来说，如果 10000 次请求中只有一次请求的响应时间达到 100ms，那么这段时间请求的响应耗时的最大值就是 100ms，性能损耗为原先的百分之一，这种说法明显是不准确的。
　　分位值
　　分位值有很多种，比如，90分位、95分位、75分位。以90分位为例，我们把这段时间请求的响应时间从小到大排列，假如一共有100个请求，那么排在第90位的响应时间就是90分位值了。分位值排除了偶发极慢请求对于数据的影响，能够很好地反应这段时间的性能情况，分位值越大，对于慢请求的影响就越敏感。
　　在我看来，分位值是最适合作为一段时间内，响应时间的统计值来使用的，在实际工作中使用最多。除此之外平均值也可以作为一个参考值来使用。
　　上面我们提到脱离了并发谈性能没任何意义，我们通常使用吞吐量或者响应时间来度量并发和流量，使用吞吐量的情况可能会更多一些，，但是你要知道这两个指标是倒数关系。
　　这很好理解，响应时间 1s 时，吞吐量是每秒 1 次，响应时间缩短到 10ms，那么吞吐量就上升到每秒 100 次。所以，一般我们度量性能时都会同时兼顾吞吐量和响应时间，比如我们设立性能优化的目标时通常会这样表述：在每秒 1 万次的请求量下，响应时间 99 分位值在 10ms 以下。
　　那么响应时间控制在多久比较合适呢？这个不能一概而论。
　　从用户体验的角度，200ms是一个分界点，接口的响应时间在200ms以内，用户是感觉不到延迟的，就像是瞬时发生一样。而1s是另外一个分界点：接口的响应时间再一秒以内时，虽然用户可以感受到一些延迟，但却是可以接受的，超过1s就会有明显等待的感觉，等待时间越长，用户的体验就越差。所以健康的系统99分位值的响应时间通常要控制在200ms以内，而不超过1s的请求占比要在99.99%。
　　现在你了解了性能的度量指标，那我们再来看一下，随着并发的增长，我们实现高性能的思路是怎样的。
　　那就是 我们下一节将要进行的：高性能优化的思路是什么？