博客
关于我
系统性能(三)
阅读量:760 次
发布时间:2019-03-23

本文共 349 字,大约阅读时间需要 1 分钟。

性能分析技术是衡量系统性能的重要工具,而性能分析通常可以从两个不同的视角进行——负载分析与资源分析。

负载分析主要关注系统的软件架构,从上到下的整体层面进行考察。在这部分分析中,主要关注以下几个方面:请求、延时以及完成度。请求指的是系统承受的工作负荷,延时是应用程序处理请求所需的响应时间,而完成度则是关于系统能否正确处理请求、发现潜在错误等维度进行评估。

而资源分析则是从底层硬件往上进行,重点考察物理或虚拟设备的各项资源利用情况。这一层面的关键指标通常有IOPS(每秒输入输出操作数)、吞吐量、使用率以及饱和率等。对于资源分析方法,可以采用街灯打孔测试法、随机变动测试法、Ad Hoc核对清单法等等技术手段。同时,问题陈述法、科学实验法、延时分析方法以及事件跟踪等也是常用的资源分析工具和方法。

转载地址:http://cihzk.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
查看>>
OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
查看>>
OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
查看>>
OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
查看>>
OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
查看>>
OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
查看>>
OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
查看>>
OpenCV与AI深度学习 | 深度学习检测小目标常用方法
查看>>
OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
查看>>
OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
查看>>
OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
查看>>
Opencv中KNN背景分割器
查看>>
OpenCV中基于已知相机方向的透视变形
查看>>
OpenCV中的监督学习
查看>>
opencv中读写视频
查看>>
OpenCV中遇到Microsoft C++ 异常 cv::Exception
查看>>
opencv之cv2.findContours和drawContours(python)
查看>>
opencv之namedWindow,imshow出现两个窗口
查看>>