基于相关性分析系统性能瓶颈

测试的过程中，难免需要会遇到一些性能瓶颈，那么就要求我们能够分析出性能瓶颈，并给出解决方案。
性能瓶颈很抽象，我们可以通过数据使其具象。
以我工作内容为例，服务器处理数据的能力是有限的，那么其处理的边界值是多少呢？
根据给出的指标，我们需要分析这些指标对处理时间的影响程度（相关性）。
偷懒直接使用python完成
源代码如下：

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 24 14:47:41 2018@author: jfjiang3
"""
#相关性分析  计算相关系数
import pandas as pdsrc = 'src.xls' #原数据
data = pd.read_excel(src, index_col = u'序号') #读取数据，指定“序号”列为索引列print("相关系数矩阵，即给出了任意两列之间的相关系数:")
print(data.corr()) #相关系数矩阵，即给出了任意两列之间的相关系数
print("显示“平均下载时间”与其他因素的相关系数:")
print(data.corr()[u'平均下载时间']) #只显示“平均下载时间”与其他因素的相关系数

 

结果如下：

相关系数矩阵，即给出了任意两列之间的相关系数:报名人数    直播参课人数    直播满勤人数    直播缺勤人数      观看人数    平均下载时间
报名人数    1.000000 -0.242072 -0.384117  0.966091  0.602773  0.463708
直播参课人数 -0.242072  1.000000  0.986240 -0.484384  0.569690  0.564154
直播满勤人数 -0.384117  0.986240  1.000000 -0.608801  0.431492  0.453250
直播缺勤人数  0.966091 -0.484384 -0.608801  1.000000  0.391901  0.267983
观看人数    0.602773  0.569690  0.431492  0.391901  1.000000  0.795470
平均下载时间  0.463708  0.564154  0.453250  0.267983  0.795470  1.000000
显示“平均下载时间”与其他因素的相关系数:
报名人数      0.463708
直播参课人数    0.564154
直播满勤人数    0.453250
直播缺勤人数    0.267983
观看人数      0.795470
平均下载时间    1.000000
Name: 平均下载时间, dtype: float64

结果：

1、我们推测业务处理的复杂度关系是：观看人数>直播参课人数>报名人数
2、可以从观看人数、直播参课人数、报名人数对参与率表生成业务进行优化，可以优先考虑观看人数指标。
3、根据实际使用情况，当报名人数为700-800时，当前现网处理能力已接近瓶颈。