Tolka ditt styrkort

Fliken med poängkort innehåller aggregerade och analyserade resultat från dina tester. Varje test har sina egna poängkort. Med styrkort får du snabba och meningsfulla sammanfattningar av mätresultaten som ger datadrivna resultat för dina nätverkskrav. Internet Analyzer tar hand om analysen så att du kan fokusera på beslutet.

Resultatkortsfliken finns i menyn Internet Analyzer resurs.

Filter

• Test: Välj det test som du vill visa resultat för – varje test har ett eget styrkort. Testdata visas när det finns tillräckligt med data för att slutföra analysen – i de flesta fall bör det vara inom 24 timmar.
• Tidsperiod & slutdatum: Tre styrkort genereras dagligen – varje styrkort visar en annan aggregeringsperiod – de 24 timmarna före (dag), de sju dagarna före (veckan) och de 30 dagarna före (månad). Använd filtret "Slutdatum" för att välja den sista dagen i tidsperioden som du vill se.
• Land: För varje land som du har slutanvändare genereras ett styrkort. Det globala filtret innehåller alla slutanvändare.

Antal mått

Antalet mätningar påverkar analysens konfidens. Ju högre antal, desto mer exakt blir resultatet. Som minst bör testerna rikta in sig på minst 100 mätningar per slutpunkt och dag. Om mätningsantalet är för lågt konfigurerar du JavaScript-klienten så att den körs oftare i ditt program. Antalet mått för slutpunkterna A och B bör vara mycket lika även om små skillnader är förväntade och okej. Om det finns stora skillnader bör resultatet inte vara betrott.

Percentiler

Svarstid mätt i millisekunder är ett populärt mått för att mäta hastigheten mellan en källa och ett mål på Internet. Svarstidsdata distribueras inte normalt (d.v.s. följer inte en "Klockkurva") eftersom det finns en "lång svans" av värden för långa svarstider som snedfördelade resultat när du använder statistik som det aritmetiska medelvärdet. Som ett alternativ tillhandahåller percentiler ett "distributionsfritt" sätt att analysera data. Till exempel sammanfattar medianen, eller den 50:e percentilen, mitten av fördelningen – hälften av värdena är över den och hälften ligger under den. Ett 75:e percentilvärde innebär att det är större än 75 % av alla värden i fördelningen. Internet Analyzer refererar till percentiler i korthet som P50, P75 och P95.

Internet Analyzer percentiler är exempelmått. Detta skiljer sig från det verkliga populationsmåttet. Till exempel är medianfördröjningen för den dagliga sanna populationen mellan studenter vid University of Southern California och Microsoft medianvärdet för svarstiden för alla förfrågningar under den dagen. I praktiken är det opraktiskt att mäta värdet för alla begäranden, så vi antar att ett ganska stort urval är representativt för den verkliga populationen.

I analyssyfte är P50 (median) användbart som ett förväntat värde för en svarstidsfördelning. Högre percentiler, till exempel P95, är användbara för att identifiera hur lång svarstiden är i värsta fall. Om du är intresserad av att förstå kundernas svarstid i allmänhet är P50 rätt mått att fokusera på. Om du vill förstå prestanda för de sämst presterande kunderna bör P95 ligga i fokus. P75 är en balans mellan dessa två.

Deltan

En delta är skillnaden i måttvärden för slutpunkterna A och B. Deltas beräknas för att visa fördelen med B jämfört med A. Positiva värden indikerar att B presterar bättre än A, medan negativa värden indikerar att B:s prestanda är sämre. Delta kan vara absoluta (t.ex. 10 millisekunder) eller relativa (5 %).

Konfidensintervall

Konfidensintervall (CI) är ett intervall med värden som har en sannolikhet att innehålla populationsmåttet, till exempel median, P75 eller medelvärde. Vi följer den vanliga statistiska konventionen att använda 95 % KI.

Till Internet Analyzer är ett smalt konfidensintervall bra eftersom det visar att exempelmåttet sannolikt ligger mycket nära det faktiska populationsmåttet. Ett brett konfidensintervall innebär mindre säkerhet att vårt urvalsmått återspeglar det verkliga populationsmåttet. Det bästa sättet att förbättra KI är att öka antalet mätningar.

Tidsserier

En tidsserie visar hur ett mått ändras över tid. På Internet finns det många tidsbaserade faktorer som påverkar prestanda, till exempel perioder med hög belastning, befolkningsskillnader mellan veckodagar och helger.

Nästa steg

Mer information finns i vår Internet Analyzer Översikt.