压测报告只有平均响应，Agent 怎样整理能比较的性能测试证据

性能报告只有平均响应时长，既不能说明尾部等待，也不能证明两轮实验可比。Agent应先核场景、负载、数据范围和统计样本，再整理时长、失败和分位数等证据。输出是给测试与业务复核的对比表，不是性能通过证书。

先比条件，再比数字

同一业务动作在10用户和100用户下运行，即使平均只差几十毫秒，也不能把差异完全归给版本。先列版本、场景、用户或到达口径、持续时间、数据规模和测量起止。某项未知时，标出它对比较的影响，不直接计算一个提升百分比。

官方机制说明1：Counter、Gauge、Rate、Trend用途不同；Trend可计算均值与分位数，HTTP请求、失败、时长是不同指标。；官方机制说明2：场景可分别设定执行器、负载与标签，开放到达率与虚拟用户等负载口径不能混为一谈。

工具已能记录多类指标，定制助手的任务是对齐业务意义和报告范围。请求、业务事务和最终文件完成可能有不同计数，不应把一轮页面请求时长与另一轮完整导出耗时硬放在一起。

合成输入1。 A轮10用户均值200ms，B轮100用户均值250ms

预期处置：标负载不同，不能直接认定版本退步

合成输入2。 两轮同场景分别给出请求时长样本100/100/900与100/100/100

预期处置：提供可复算样本和统计定义，实际复算栏留空

合成输入3。 失败请求被B轮汇总剔除，A轮全部计入

预期处置：列统计样本口径差异，要求重出同口径材料

第一条只支持说明负载不一致，不能直接下版本退步结论。第二条给完整样本数组，读者可以手工算均值和中位数；本文将算式与预期单列，未在任何压测环境运行。第三条则要追回被排除的失败样本，否则较低时长可能只是少算了慢请求。

附件A为100、100、900毫秒，B为100、100、100毫秒。按三个值算术平均，A约366.667毫秒、B为100毫秒；两组中位数都为100毫秒。这展示统计量回答的问题不同，不是实际产品性能差异，也不能用三个样本稳定估计高分位表现。

若需比较某分位数，应固定所用方法、样本数量及窗口，保留原始值或可取得的明细定位。本题不替工具发明统一分位算法。用户读到的业务结论应说明采用何种量，不能只看一个漂亮平均数。

某轮将失败请求全部剔除，另一轮全部纳入，报告中的时长便来自不同集合。对照表应列出纳入规则、失败数量来源和缺失明细，要求重出同口径材料，而不是把失败当零毫秒补进平均。业务失败与网络返回成功的区别也需要既定标准支持。

完成材料核对后，测试负责人可以决定补实验还是仅解释当前限制。附件实际观测、报告认可人和证据位置留空。若现有测试平台已经产出统计量，助手应保留其定义并连接业务场景，而非重新计算出一套来源不明的数字。采购评估可以从两轮完整脱敏报告开始，看系统能否在比较前准确指出不可比条件。

附件明确A与B时长单位均为毫秒，均值按所有三个值算术平均，中位数取排序后的第二个值。预期给出A约366.667、B为100以及两组中位数100；这些只是对完整合成数组的计算，不代表压测成绩。实际环境结果仍另留空。

对于10用户与100用户两轮，当前材料没有同负载对照，所以不计算版本性能改善。失败剔除情景也没有完整样本集合，不能自行补值算新均值。数据充分的地方给可复算预期，材料不足的地方精确指出缺什么，才是一张能供性能负责人继续使用的对比表。

对报告认可也应保留范围。认可统计口径，并不等于接受性能目标；认可负载可比，也不等于两轮数据量相同。表中将条件核对、数字复算与业务判断分列，性能负责人能逐项决定补哪份材料。只有在同口径材料齐全后，才适合解释差异方向，当前合成例没有足够依据给容量或上线结论。

下载本题合成输入与可填写工作表。附件保留实际结果、复核人和证据位置空栏。