Bagikan melalui

Menginterpretasikan kartu skor Anda

  • Artikel

Penting

Azure Internet Analyzer dihentikan pada 15 Maret 2024. Untuk informasi mendetail, lihat Penghentian Azure Internet Analyzer.

Tab kartu skor berisi hasil yang diagregat dan dianalisis dari pengujian Anda. Setiap pengujian memiliki kartu skornya sendiri. Kartu skor memberikan ringkasan hasil pengukuran yang cepat dan bermanfaat untuk memberikan hasil berbasis data untuk persyaratan jaringan Anda. Azure Internet Analyzer mengurus analisis, memungkinkan Anda untuk fokus pada keputusan.

Tab kartu skor dapat ditemukan di menu sumber daya Azure Internet Analyzer.

Filter

  • Tes: Pilih pengujian yang ingin Anda lihat hasilnya - setiap pengujian memiliki kartu skornya sendiri. Data pengujian akan muncul setelah ada cukup data untuk menyelesaikan analisis - dalam banyak kasus, ini harus dalam waktu 24 jam.
  • Periode waktu & tanggal selesai: Tiga kartu skor dihasilkan setiap hari - setiap kartu skor mencerminkan periode agregasi yang berbeda - 24 jam sebelumnya (hari), tujuh hari sebelumnya (minggu), dan 30 hari sebelumnya (bulan). Gunakan filter “End Selesai” untuk memilih hari terakhir dari periode waktu yang ingin Anda lihat.
  • Negara: Untuk setiap negara yang Anda miliki pengguna akhirnya, kartu skor dibuat. Filter global berisi semua pengguna akhir.

Jumlah pengukuran

Jumlah pengukuran berdampak pada keyakinan analisis. Semakin tinggi jumlahnya, semakin akurat hasilnya. Minimalnya, tes harus bertujuan untuk minimum 100 pengukuran per titik akhir per hari. Jika jumlah pengukuran terlalu rendah, silakan konfigurasikan klien JavaScript untuk menjalankannya lebih sering di aplikasi Anda. Jumlah pengukuran untuk titik akhir A dan B harus sangat mirip meskipun perbedaan kecil sudah diduga dan tidak menjadi masalah. Dalam kasus perbedaan besar, hasilnya tidak boleh dipercaya.

Persentil

Latensi, diukur dalam milidetik, adalah metrik populer untuk mengukur kecepatan antara sumber dan tujuan di Internet. Data latensi biasanya tidak didistribusikan (yaitu tidak mengikuti "Kurva Lonceng") karena ada "ekor panjang" dari nilai latensi besar yang condong menghasilkan saat menggunakan statistik seperti rata-rata aritmatika. Sebagai alternatif, persentil menyediakan cara "bebas distribusi" untuk menganalisis data. Sebagai contoh, median, atau persentil ke-50, meringkas pertengahan distribusi - setengah nilai berada di atasnya dan setengahnya berada di bawahnya. Nilai persentil ke-75 berarti lebih besar dari 75% dari semua nilai dalam distribusi. Azure Internet Analyzer mengacu pada persentil dalam singkatan seperti P50, P75, dan P95.

Persentil Azure Internet Analyzer adalah metrik sampel. Ini berbeda dengan metrik populasi sebenarnya. Misalnya, latensi median populasi sejati harian antara siswa di University of Southern California dan Microsoft adalah nilai latensi median dari semua permintaan pada hari itu. Dalam praktiknya, mengukur nilai semua permintaan tidaklah praktis, jadi kami berasumsi bahwa sampel yang cukup besar telah mewakili populasi sebenarnya.

Untuk tujuan analisis, P50 (median), berguna sebagai nilai yang diharapkan untuk distribusi latensi. Persentil yang lebih tinggi, seperti P95, berguna untuk mengidentifikasi seberapa tinggi latensi dalam kasus terburuk. Jika Anda tertarik untuk memahami latensi pelanggan secara umum, P50 adalah metrik yang benar untuk difokuskan. Jika Anda khawatir dengan pemahaman performa untuk pelanggan berkinerja terburuk, maka P95 harus menjadi fokus. P75 adalah keseimbangan antara keduanya.

Delta

Delta adalah perbedaan nilai metrik untuk titik akhir A dan B. Delta dihitung untuk menunjukkan manfaat B atas A. Nilai positif menunjukkan B berperforma lebih baik daripada A, sedangkan nilai negatif menunjukkan performa B lebih buruk. Delta bisa absolut (misalnya, 10 milidetik) atau relatif (5%).

Interval keyakinan

Interval keyakinan (CI) adalah rentang nilai yang memiliki peluang berisi metrik populasi seperti median, P75, atau rata-rata. Kami mengikuti konvensi statistik umum menggunakan 95% CI.

Untuk Azure Internet Analyzer, interval keyakinan yang sempit itu bagus karena menunjukkan metrik sampel yang kemungkinan sangat dekat dengan metrik populasi aktual. Interval keyakinan yang luas berarti kurangnya kepastian bahwa metrik sampel kami mencerminkan metrik populasi yang sebenarnya. Cara terbaik untuk meningkatkan CI adalah dengan meningkatkan jumlah pengukuran.

Deret waktu

Deret waktu memperlihatkan bagaimana metrik berubah dari waktu ke waktu. Di internet, ada banyak faktor temporal yang berdampak pada performa seperti periode lalu lintas puncak, perbedaan populasi akhir pekan-hari kerja, dan hari libur.

Langkah berikutnya

Untuk mempelajari selengkapnya, lihat Gambaran Umum Azure Internet Analyzer kami.