Przeczytałem informacje o losowym zegarze gaussowskim w instrukcji obsługi jmetera, ale jest to trudne do zrozumienia. każdy ma pomysł związany z tym wyjaśnieniem na przykładzie bardzo cenionym. Z góry dziękuję.Trudno zrozumieć zegar losowy Gaussa?
Odpowiedz
Gaussowski losowy zegar ma losowe odchylenie (w oparciu o rozkład krzywej Gaussa) wokół stałego przesunięcia opóźnienia.
Na przykład:
- odchylenia 100 ms
- Stała opóźnienie przesuwu: 300 ms
opóźnienie będzie się zmieniać od 200 ms (300 - 100) i 400 ms (300 + 100) w oparciu o rozkład Gaussa dla około 68% przypadków.
Zegar losowy Gaussian jest prawie taki sam jak równomierny losowy zegar.
W stroju Losowe Timer wariacja wokół stałej przesunięcie ma rozkład liniowy
W Gaussa Losowe Timer zmienność wokół stałej przesunięcie ma rozkład Gaussa krzywej.
Dzięki za powtórkę, odchylenie i stałe przesunięcie opóźnienia wartości wpływają na to, np. Przypuśćmy, że odchylenie wynosi 100, a stałe opóźnienie przesunięcia wynosi 300 w takim przypadku, w jaki sposób zestaw wyników wpływa na te wartości. – Chetan
ma to oznaczać czas pauzy wahać się między 300-100 a 300 + 100, tj. Poniżej i powyżej stałego opóźnienia przesunięcia o odchylenie. – Chetan
Ta odpowiedź nie jest bardzo dokładna, a komentarze nie są dokładne. Przerwa może być mniejsza niż 200 ms lub większa niż 400 ms. Zobacz [moja odpowiedź] (http://stackoverflow.com/a/28768261/413020). – Alberto
postaram się wyjaśnić to z jednym z przykładów już Wysłany:
- Stała opóźnienie offset: 1000 ms
- Odchylenie: 500 ms
Około 68% opóźnienia będą wynosić od [500, 1500] ms (= [1000 - 500, 1000 + 500] ms).
Według docs (kopalnia nacisk):
Całkowite opóźnienie jest sumą rozkładem Gaussa wartości z (ze średnią 0,0 i odchylenie standardowe 1,0) krotnej wartości odchylenia określić i wartość przesunięcia
Apache JMeter wywołuje Random.nextGaussian()
* range
, aby obliczyć opóźnienie. Zgodnie z wyjaśnieniem in the Wikipedia, wartość nextGaussian()
będzie wynosić od [-1,1] tylko do około 68% przypadków. Teoretycznie może mieć dowolną wartość (chociaż prawdopodobieństwo uzyskania wartości poza tym przedziałem maleje bardzo szybko wraz z odległością do niego).
Jako dowód, napisałem prosty test JMeter, który uruchamia jeden wątek z manekina sampler i Gaussa Losowe Timer: 3000 ms stałym opóźnieniem, 2000 ms Odchylenie:
Aby wykluczyć kwestie obciążenia CPU, mam skonfigurowane współbieżne dodatkowy wątek z innego manekina sampler i stałej czasowy: 5000 MS:
wyniki są dość enlighte ning:
Weźmy na przykład próbek 10 i 12: 9h53'04.449" - 9h52'57.776" = 6.674"
, że jest to odchylenie od 3.674"
w przeciwieństwie do 2.000"
skonfigurowanego! Możesz także sprawdzić, czy stały czasomierz odchyla się tylko o 1 ms, jeśli w ogóle.
Mogłem znaleźć bardzo ładne wyjaśnienie tych gaussowskich timerów na liście użytkowników joomra Gmane: Timer Question.
Stałe przesunięcie opóźnienia (mu) = 300 ms, odchylenie (si) = 100 ms mu-si = 200, mu + si = 400, Istnieje 68% szans na różnicę czasu między dwoma wątkami w zakresie [200400]
mu-2 (SI) = 100, p, + 2 (SI) = 500, istnieje 95% prawdopodobieństwo odstępu czasowego między dwiema nićmi są w zakresie [100500]
mU-3 (si) = 0, mu + 3 (si) = 300, istnieje 99,7% szans na lukę czasową między dwoma kolejnymi wątkami w zakresie [0,600]
kiedy tak dalej, gdzie dostaniesz 100% prawdopodobieństwo, że przerwa czasowa między dwoma wątkami s 100%
Ograniczam się do 3 iteracji, ponieważ mu-4 (si) daje ujemną wartość, a czas, który upłynął, jest zawsze wartością dodatnią w tym wszechświecie.
Ale to będzie bardzo nierealne, aby polegać na czasomierzu gaussowskim, ponieważ mamy stały czasomierz i stałą przez timer odstawiania bez odchylenia standardowego (si).
Mam nadzieję, że to pomaga.
- 1. losowy rozkład Gaussa w PostgreSQL
- 2. trudno zrozumieć print_r/var_dump dla obiektu
- 3. Pandy: trudno zrozumieć, jak działa scalanie
- 4. Trudno zrozumieć zachowanie przydziału pamięci Haskell
- 5. Zrozumienie modeli mieszanin Gaussa
- 6. Laplace'a Gaussa pracy filtra
- 7. Niezormalizowana krzywa Gaussa na histogramie
- 8. Ograniczenie rozmycia Gaussa na krawędziach
- 9. Trudno przeanalizować komendę czasu (bash)
- 10. Odwrócenie filtru rozmycia Gaussa: iOS
- 11. java 8 czas api - Instant.now (zegar) vs LocaldateTime.now (zegar)
- 12. Jak działa zegar jaśminowy?
- 13. Zrozumieć SFINAE
- 14. Zrozumieć BufferStrategy
- 15. Zrozumieć fetch_assoc()
- 16. Android: próbując zrozumieć Androida: layout_weight
- 17. Prosty zegar w Meteor JS
- 18. Niezawodny zegar w aplikacji konsolowej
- 19. Jak zrobić zegar javascript reload
- 20. Gdzie dodać zegar w Xamarin.iOS?
- 21. Git: resetuj - trudno teraz utknąłem w przeszłości
- 22. Filtr Gaussa na wektorze w Matlab
- 23. Jak trudno jest zaktualizować maszynę wirtualną Azure
- 24. Tworzenie Gaussa filtr wymaganej długości w Pythonie
- 25. Czy trudno jest rozpoznać pomyślne odszyfrowanie?
- 26. Jak uzyskać filtr Gaussa w pythonie
- 27. Moduł losowy Pythona udostępniony niedostępny przez moduł losowy Numpy'ego
- 28. OpenCV - Losowy las Przykład
- 29. Losowy las jest overfitting
- 30. Losowy element mapie
dziękuję, po prostu chciałem, żeby było trochę jaśniej ... :) – andreio
Edytowałem odpowiedź, aby uniknąć nieporozumień – Alberto