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
one_day_one--mkdir
查看>>
OpenCV 中的图像转换
查看>>
opencv5-图像混合
查看>>
opencv9-膨胀和腐蚀
查看>>
OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
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保存图片路径包含中文乱码解决方案
查看>>
opencv图像分割2-GMM
查看>>
OpenCV(1)读写图像
查看>>
OpenCV:概念、历史、应用场景示例、核心模块、安装配置
查看>>
Openlayers图文版实战,vue项目从0到1做基础配置
查看>>
Openlayers高级交互(10/20):绘制矩形,截取对应部分的地图并保存
查看>>