知识卡片
延迟要看分位数和长度切片
延迟是分布,平均值可能被长输入、网络错误和排队异常拉动。使用p50观察典型请求,p95/p99观察尾部,并按输入输出长度和请求类型切片。发现异常应定位原因,不能仅用中位数掩盖少数严重慢请求。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 推理优化
原书出处 · 1 处
- · 查看原书依据
关注延迟的百分位数通常更具参考价值,因为它们可以反映特定比例请求的延迟情况。最常用的百分位数是第50百分位数,简称p50(中位数)。如果中位数是100 ms,意味着一半请求的TTFT超过100 ms,另一半请求的TTFT则少于100 ms。关注百分位
参考来源
- 位置:《AI工程:大模型应用开发实战》第9章《推理优化》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section017.xhtml)
- 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。
- 原始内容:关注延迟的百分位数通常更具参考价值,因为它们可以反映特定比例请求的延迟情况。最常用的百分位数是第50百分位数,简称p50(中位数)。如果中位数是100 ms,意味着一半请求的TTFT超过100 ms,另一半请求的TTFT则少于100 ms。关注百分位