百分位数
内容提要
本文介绍了度量指标和百分位数的概念，度量指标是带有时间戳和标签的值数组，百分位数是根据排序后的数据点选择的数据。百分位数可以帮助我们找到异常值，并在可靠性工程和性能优化中非常有用。使用百分位数可以选择分析实际数据的子集，并采取有针对性的行动。开始优化时，可以从常见的百分位数开始，逐渐关注异常值。没有适用于所有数据集的通用规则，最好根据排序后的数据来选择百分位数。
延伸解读
平均值与百分位数的本质区别
文章通过对比指出，平均值是对所有数据点的聚合计算，可能掩盖异常值，甚至产生现实中不存在的数值（如平均家庭有1.94个孩子）。而百分位数是从排序后的数据中直接选取的实际数据点，例如P50就是中位数，代表中间位置的真实值。这种选择而非聚合的特性，使百分位数能更真实地反映数据分布，尤其适合识别异常值。
百分位数在性能优化中的实际应用
在可靠性工程和性能优化中，百分位数是定位异常值的有效工具。例如，API延迟数据中大多数请求在100-200ms，但存在3000ms的异常值，平均值会被拉高至591ms，而P99能直接指出99%的请求低于某个阈值，帮助聚焦优化目标。文章建议从P50等常见百分位开始，逐步关注P1或P99等尾部，但需先查看排序数据以确定合适的分位点。
数据分布形态对百分位数选择的影响
百分位数的有效性高度依赖数据分布。对于均匀分布的数据，平均值和中位数差异不大；但对于长尾分布（如少数极高值），P99可能远高于中位数，能清晰揭示尾部特征。文章还提到一种“疯狂反弹”的数据集，值在高低间波动，此时直接使用P1或P99可能无意义，需要结合标签过滤（如区分GET和POST请求）来获得可操作的子集。
使用百分位数的注意事项与局限
文章强调，没有适用于所有数据集的通用百分位数规则。选择哪个百分位取决于排序后的数据形态和具体目标。此外，百分位数虽然能选择实际数据点，但可能受数据量影响：例如在24个元素的数据集中，P95和P99可能指向同一个元素。因此，在应用百分位数前，应先检查数据量和分布，避免因数据稀疏导致分位数失去区分度。
Q&A
什么是度量指标？
度量指标是带有时间戳和标签的值数组。
百分位数的作用是什么？
百分位数用于识别异常值，并帮助选择分析实际数据的子集。
如何计算百分位数？
计算百分位数的方法是对数据进行排序，然后选择特定百分比位置的数据点。
为什么平均值可能会掩盖异常值？
平均值会将所有数据点聚合在一起，可能导致异常值的影响被忽视。
在优化系统行为时，应该从哪个百分位数开始？
建议从常见的百分位数（如P50）开始，逐渐关注异常值。
百分位数在可靠性工程中的应用是什么？
百分位数在可靠性工程中用于识别和分析不均匀分布的数据集中的异常值。
