知识卡片
用百分位而非平均值衡量延迟
内容
延迟类指标不该只看算术平均值，它会掩盖”大部分请求快、少数请求极慢”的长尾问题——常见请求50ms 完成，但5%的请求慢了20倍，均值曲线却毫无异常。应看分布的高百分位（如99%、99.9%），它反映最差 情况；高百分位健康，中位数几乎必然也健康，反之不然。发散：计算机延迟天然右偏（下限为0，可能 有超时上限），不能假设均值约等于中位数，按均值做自动化决策容易频繁误判。
参考来源
- 位置：《SRE：Google运维解密》第4章《服务质量目标》（源文件：_epub-src/OEBPS/Text/0008_0002.xhtml）
- 结论依据：原文用图4-1的例子说明"虽然常见请求可以在50ms完成，但5%的请求却慢了20倍"，并指出针对平均值的监控发现不了这种变化，进而论证应使用百分位而非平均值来体现分布的最差情况。
- 原始内容："虽然常见请求可以在50ms完成，但5%的请求却慢了20倍！针对平均值的监控和报警将不会发现任何改变，但是服务的确在长尾延迟上出现了巨大变化……高百分位，例如99%和99.9%体现了指标的最差情况，而50%则体现了普遍情况……如果99.9%的系统行为都正常的话，那50%部分就肯定也是正常的。"