通过

解读记分卡

  • 项目

重要

Azure Internet 分析器于 2024 年 3 月 15 日 停用。 有关详细信息，请参阅 Azure Internet 分析器停用。

记分卡选项卡包含来自测试的聚合和分析结果。 每个测试都有自己的记分卡。 记分卡提供度量结果的快速且有意义的摘要，为网络要求提供数据驱动的结果。 Internet 分析器负责分析，使你能够专注于决策。

可以在 Internet 分析器资源菜单中找到记分卡选项卡。

过滤 器

  • 测试： 选择要查看其结果的测试 - 每个测试都有自己的记分卡。 一旦有足够的数据来完成分析，测试数据就会显示-在大多数情况下，这应在 24 小时内完成。
  • 时间段和结束日期： 每天生成三个记分卡 - 每个记分卡反映不同的聚合周期 - 前 24 小时（天）、前七天（周），以及前 30 天（月）。 使用“结束日期”筛选器选择要查看的时间段的最后一天。
  • 国家： 对于拥有最终用户的每个国家/地区，将生成记分卡。 全局筛选器包含所有最终用户。

度量计数

度量数会影响分析的置信度。 计数越高，结果越准确。 测试至少应确保每天每个终结点有 100 次测量。 如果度量计数太低，请将 JavaScript 客户端配置为在应用程序中更频繁地执行。 终结点 A 和 B 的度量计数应非常相似，尽管预期存在小差异，但没问题。 如果存在较大差异，则不应信任结果。

百分位数

延迟（以毫秒为单位）是衡量 Internet 上源和目标之间的速度的热门指标。 延迟数据不正常分布（即不遵循“钟曲线”），因为使用算术平均值等统计信息时，存在大量延迟值的“长尾”，导致结果偏斜。 作为替代方法，百分位数提供“无分布”方法来分析数据。 例如，中位数或第 50 百分位汇总分布的中间值 - 其中一半的值高于它，一半低于它。 第 75 百分位值表示它大于分布中所有值的 75%。 Internet 分析工具将百分位数简称为 P50、P75 和 P95。

Internet 分析器百分位数是 示例指标。 这与真正的 总体指标形成鲜明对比。 例如，南加州大学学生与Microsoft学生之间的每日真实人口中位数延迟是当天所有请求的中位数延迟值。 实际上，测量所有请求的值是不切实际的，因此我们假设一个相当大的样本代表真正的总体。

出于分析目的，P50（中值）用作延迟分布的预期值。 较高的百分位数（如 P95）对于确定最差情况下的延迟程度非常有用。 如果您有兴趣了解客户延迟情况，那么 P50 是您应该关注的正确指标。 如果您关注了解表现最差客户的性能，那么 P95 应是重点。 P75 是这两者之间的平衡。

三角洲

增量是终结点 A 和 B 的指标值的差异。计算增量以显示 B 优于 A 的优势。正值表示 B 的性能优于 A，而负值表示 B 的性能更差。 变化可以是绝对的（例如 10 毫秒）或相对的（5%）。

置信区间

置信区间（CI）是一系列值，具有包含总体指标（如中值、P75 或平均值）的概率。 我们遵循使用 95% CI 的常见统计约定。

对于 Internet 分析器，较窄的置信区间很好，因为它显示示例指标可能非常接近实际总体指标。 宽置信区间意味着样本指标反映真实总体指标的确定性较低。 改进 CI 的最佳方式是增加度量计数。

时序

时序显示指标随时间的变化。 在 Internet 上，有许多临时因素会影响性能，例如高峰流量周期、工作日-周末人口差异和假日。

后续步骤

若要了解详细信息，请参阅 我们的 Internet 分析器概述。