一個每天1000萬PV的網站需要什麼樣的效能去支撐呢？
繼續上一篇，下面我們就來計算一下，前面我們已經搞到了一票資料，但是這些資料的意義還沒有說。技術是為業務服務的，下面就來說說怎麼讓些資料變得有意義。

一、聚合報告
初識聚合報告是不是有些眼熟，是的你沒看錯，他跟Apache AB的結果是類似的，事實上LoadRunner也會有一票這樣類似的資料。
下面分別說下各個資料的意義，其中標成紅色的是需要特別關注的。

1. #Samples：樣本數，如果你看過上一篇，這個就是前面我們那個公式算出來的結果
（Loop Count(Loop Controler)*Number of Threads*Loop Count(group)） 2. Average：平均響應時間。
3. Median：中位數，50%使用者響應時間。
4. 90% Line：90%使用者響應時間。
5. Min：最小響應時間。
6. Max：最大響應時間。 7. Error%：本次測試中出現錯誤的請求的數量/請求的總數 8. Throughput：吞吐量，表示每秒完成的請求數。 9. KB/Sec：每秒從伺服器端接收到的資料量（只是接收）。     下面說說幾個重點引數：
1.為什麼說%90 Line重要呢？

舉個栗子：姚明與郭敬明平均身高約1.84米能說明什麼？如果這個例子不夠形象再想想我大天朝的平均工資。所以平均不代表公平，因為總有那麼一小撮人會極大的影響平均值，而大多數人是被平均的。

通過JMeter官網我們能發現對這個引數的定義（ http://jmeter.apache.org/usermanual/glossary.html）： 90% Line (90 th Percentile) is the value below which 90% of the samples fall. The remaining samples too at least as long as the value. This is a standard statistical measure. See, for example: Percentile entry at Wikipedia.   貌似這段話說的不明不白，但他給我提示了一個重要的詞Percentile，於是我們繼續跟進，原來這是一個統計術語。維基上有詳細說明，並有公式： n=(100/P)*N+1/2 其中n=排序位；P=待排序值；N=總的排序值數量   這塊說的有點繞，看維基上的例子會比較清晰（ http://en.wikipedia.org/wiki/Percentile）。 說白了就是將一組資料從大到小排序，並計算相應的累計百分位，則某一百分位所對應資料的值就稱為這一百分位的百分位數。   2.Error% 
這個不說了，大家都懂。   3.Throughput  
這又是個很重要的引數了，開頭提到的PV計算就跟這個數有關了。
計算公式見下圖，通過Throughput可以換算出PV，當然為了應付突發狀況還要留出一定的Buffer。
所以現在回到開頭的那個問題，理論上每秒231的事務數就可以（10000000*0.8）/（24*60*60*0.4），當然這只是理論上;-)    

4.KB/Sec
這個不細說了，跟計算你的機房頻寬有關的。

二、圖形結果 
這裡比較重要的引數是偏離量。
偏離量，理論上是越小系統穩定的。但多少是小呢？所以這種說法是不準確的，“朝菌不知晦朔，蟪蛄不知春秋”，在不同的場景下對標準的定義也是不同的。

因為對正態分佈和置信區間這塊我也不太懂，這裡就不敢瞎說了。

三、結果樹
請求的執行狀態，這裡略。