Application Real-Time Monitoring Service (ARMS) menyediakan statistik berbasis kuantil. Topik ini menjelaskan cara ARMS menghitung kuantil metrik.
Informasi latar belakang
Kuantil adalah titik numerik yang membagi sekumpulan data menjadi beberapa bagian sama besar ketika diurutkan berdasarkan besarnya. Kuantil digunakan untuk merepresentasikan distribusi data. Berikut adalah kuantil umum:
P50 mewakili median, yaitu titik numerik yang membagi data menjadi dua bagian sama besar.
P75 menunjukkan titik numerik di mana 75% dari data berada di bawahnya.
P90 menunjukkan titik numerik di mana 90% dari data berada di bawahnya.
P99 menunjukkan titik numerik di mana 99% dari data berada di bawahnya.
Kuantil memberikan pemahaman lebih intuitif tentang distribusi data, serta nilai ekstrem dan pencilan dalam data.
Kuantil sampel
Data sampel: [2, 3, 6, 7, 8, 9, 10, 12, 14, 15, 16, 17, 18, 20]
Kuantil:
P50: 10
P75: 16
P90: 18
P99: 20
Kuantil metrik
Konsol baru
Untuk informasi tentang cara mengaktifkan fitur Statistik Kuantil, lihat Sesuaikan Pengaturan untuk Aplikasi Java.
Konsol lama
Untuk informasi tentang cara mengaktifkan fitur Statistik Kuantil, lihat Sesuaikan Pengaturan Aplikasi.
Cara agen ARMS menghitung kuantil
Agen ARMS v4.x dan yang lebih baru menghitung kuantil latensi berdasarkan bucketing. Batas bucket default saat ini:
[0.0, 5.0, 10.0, 25.0, 50.0, 75.0, 100.0, 250.0, 500.0, 750.0, 1000.0, 2500.0, 5000.0, 7500.0, 10000.0].
Interval latensi untuk setiap bucket:
Bucket 0: (-∞, 0.0]
Bucket 1: (0.0, 5.0]
Bucket 2: (5.0, 10.0]
Bucket 3: (10.0, 25.0]
Bucket 4: (25.0, 50.0]
Bucket 5: (50.0, 75.0]
Bucket 6: (75.0, 100.0]
Bucket 7: (100.0, 250.0]
Bucket 8: (250.0, 500.0]
Bucket 9: (500.0, 750.0]
Bucket 10: (750.0, 1000.0]
Bucket 11: (1000.0, 2500.0]
Bucket 12: (2500.0, 5000.0]
Bucket 13: (5000.0, 7500.0]
Bucket 14: (7500.0, 10000.0]
Bucket 15: (10000.0, +∞]
Bagian ini menggunakan contoh pada bagian Kuantil Sampel untuk menjelaskan cara agen ARMS menghitung kuantil.
Untuk setiap titik sampel, tentukan bucket yang sesuai dan tambahkan penghitung untuk bucket tersebut sebesar 1. Hasil:
Bucket 0: 0
Bucket 1: 2
Bucket 2: 5
Bucket 3: 7
Bucket 4: 0
Bucket 5: 0
Bucket 6: 0
Bucket 7: 0
Bucket 8: 0
Bucket 9: 0
Bucket 10: 0
Bucket 11: 0
Bucket 12: 0
Bucket 13: 0
Bucket 14: 0
Bucket 15: 0
Hitung kuantil.
Perhitungan P75 digunakan sebagai contoh.
Pertama, hitung tabel bucket berdasarkan kuantil yang diminta.
Untuk P75, ARMS memastikan bahwa 75% dari data berada di sisi kiri. Jumlah total titik data sampel adalah 14. Posisi P75 dihitung dengan rumus: 14 × 0,75 = 10,5. Kemudian, ARMS menemukan Bucket 3 di mana jumlah titik data di bucket tersebut dan semua bucket di sebelah kirinya mencapai 11 sampel.
Gunakan interpolasi linier untuk menghitung kuantil akhir.
Jumlah titik data di Bucket 0, Bucket 1, dan Bucket 2 sudah mencapai 7. Oleh karena itu, ARMS hanya perlu menemukan 4 titik data lagi di Bucket 3, yang berisi total 7 titik data.
Mempertimbangkan interval Bucket 3 adalah
(10.0, 25.0], P75 dihitung berdasarkan rumus berikut: P75 = 10.0 + (25.0 - 10.0) × 4/7 = 18,6.
Keuntungan dan kerugian statistik kuantil
Keuntungan: Beban sangat minimal. Kuantil dapat dihitung tanpa menyimpan seluruh set data sampel.
Kerugian: Dalam skenario dengan latensi sangat rendah, latensi sangat tinggi, atau sangat sedikit sampel, kuantil yang dihitung mungkin tidak akurat.
Cara Trace Explorer menghitung kuantil
Trace Explorer menghitung kuantil berdasarkan latensi semua rentang yang memenuhi kondisi penyaringan halaman dan fungsi SQL dari Simple Log Service. Untuk informasi lebih lanjut, lihat fungsi approx_percentile di topik Ikhtisar Fungsi.