Давайте вместе разберемся в сводном отчете.

Сводный отчет также является элементом JMeter, который предоставляет табличный отчет, показывающий информацию о производительности каждого семплера. Сводный отчет предоставляет дополнительные данные по сравнению с сводным отчетом, включая стандартное отклонение и ошибку выборки. Ниже приводится основная информация, содержащаяся в сводном отчете:

1. Label：В этом поле отображается имя или метка запроса.。
2. # Samples：В этом поле отображается количество выполненных запросов.。
3. Average：В этом поле отображается среднее время ответа для каждого запроса.（в миллисекундахкак единицы).
4. Min：В этом поле отображается минимальное время ответа для всех запросов.（в миллисекундахкак единицы).
5. Max：В этом поле отображается максимальное время ответа для всех запросов.（в миллисекундахкак единицы).
6. Std. Dev.：В этом поле отображается стандартное отклонение времени ответа.。Стандартное отклонение помогает нам понять, насколько варьируется время ответа.。
7. Error %：В этом поле отображается процент ошибок запроса.。
8. Throughput：В этом поле отображается количество запросов, обрабатываемых в секунду.。
9. KB/sec：В этом поле отображается объем данных, обрабатываемых в секунду.（к KB как единицы).
10. Avg. Bytes：В этом поле отображается среднее количество байтов на запрос.。

Сводный отчет может помочь нам глубже понять данные о производительности теста, выявить возможные узкие места в производительности, а также дополнительно оптимизировать и улучшить производительность системы.

Понимание стандартного отклонения:

Стандартное отклонение — это статистика, которая измеряет дисперсию распределения данных и может отражать волатильность данных. При тестировании производительности, чем больше значение стандартного отклонения, тем больше колебания времени отклика, что может означать, что производительность системы нестабильна.

В некоторых случаях большее стандартное отклонение может быть приемлемым, тогда как в других случаях даже меньшее стандартное отклонение может быть неприемлемым.

При тестировании производительности мы обычно фокусируемся на стандартном отклонении и стараемся поддерживать его на низком уровне. Если стандартное отклонение велико, возможно, потребуется дальнейшее изучение причины и рассмотрение возможностей оптимизации.

Если бы мы проводили тест, нам, вероятно, хотелось бы увидеть меньшее стандартное отклонение, поскольку это означало бы, что производительность нашей системы стабильна. Однако если бы мы проводили стресс-тест, то можно было бы ожидать увидеть большее стандартное отклонение, поскольку это указывало бы на колебания производительности нашей системы при высокой нагрузке.

В целом стандартное отклонение — полезный инструмент, помогающий нам понять волатильность данных о производительности. Анализируя стандартное отклонение, мы можем лучше понять производительность системы и найти возможные точки оптимизации.