- 综合排序
- 最热优先
- 最新优先
- 来自专栏TestOps云层
测试人员7个悲剧且无用的kpi指标...
测试指标应该始终是有意义的、可执行的。问题是有些测试指标无法达到这一目标。许多指标都是误导，有些只是稍微还有点价值，而有些则毫无意义。 7个无用测试指标还统计？把这篇文章给老板看看！尤其是第二点！ 下面这些无用的测试指标的例子可以帮助你更好地判断，你现在所用的测试指标是否能够对软件质量彻底洞察。 3.通过率百分比 使用通过率作为度量指标这个主意不好，因为在软件开发团队中，很容易操纵这种指标——这是不鼓励的行为。 例如，测试团队可能会专注于执行更容易通过的测试，从而提高通过率。 换句话说，这个指标变化无常，易于操纵。 4.单元测试代码覆盖率 代码覆盖率是另一个常用的度量指标，但是这一指标常常被错误使用。 代码覆盖率是指单元测试覆盖的代码行百分比。 7.缺陷密度 缺陷密度是指软件中检测到的、得到确认的缺陷数量。通常认为较低的缺陷密度等同于较低的软件质量，但这并不是真的。
1.2K20编辑于 2022-04-04 - 来自专栏数据分析之旅
数据指标体系搭建的7个思考点
为了对现状进行监测和预警，我们常常会建立起一套数据指标体系，同时搭建和完善体系也应该是数据分析师的一项基本功，结合实际工作中经验，总结了这个搭建过程的7个思考点： 1. 目标 目标，不仅要求我们梳理好业务流程（例如常见的转化率漏斗、AARRR模块），也要求我们明确好目标受众对象，建立面向管理层的核心指标，面向业务部门的二级指标，面向个人KPI的三级指标，尽可能与 数据指标 数据指标，将业务问题量化为数字的变量。常见的有：数量、占比、比率等，一个好的指标通常是一个比率，因为这个比率通常可以连接分子、分母，而不是割裂来看 4. 数据字典 数据字典也是数据指标体系的一部分，可包括内容：指标名称、类型、统计周期、业务逻辑、数据源、数据逻辑等内容 7. 反馈闭环 数据指标体系的搭建不是一蹴而就的，需要结合业务部门的实际需求不断完善。
1.1K31发布于 2020-08-13 - 来自专栏云计算教程系列
如何在CentOS 7上使用InfluxDB分析系统指标
在本指南中，我们将介绍： 如何在CentOS 7上安装和配置InfluxDB。 如何将系统监视数据从collectd系统统计守护进程提供给InfluxDB。 先决条件 在开始之前，您需要以下内容： 一个64位CentOS 7 腾讯CVM。服务器所需的CPU，RAM和存储量取决于您要收集的数据量，但通常只需2GB RAM和2个CPU即可。 x86_64/e/epel-release-7-5.noarch.rpm 然后安装collectd。 这是一个例子： 第7步 - 安装和启动Grafana 我们可以使用InfluxDB的Web界面来探索数据并从时间序列数据中可视化系统趋势。 参考文献：《How To Analyze System Metrics with InfluxDB on CentOS 7》
4.6K10发布于 2018-09-19 - 来自专栏云计算教程系列
如何在CentOS 7上使用InfluxDB分析系统指标
在本指南中，我们将介绍： 如何在CentOS 7上安装和配置InfluxDB。 如何将系统监视数据从collectd系统统计守护进程提供给InfluxDB。 先决条件 在开始之前，您需要以下内容： 一个64位CentOS 7 腾讯CVM。服务器所需的CPU，RAM和存储量取决于您要收集的数据量，但通常只需2GB RAM和2个CPU即可。 x86_64/e/epel-release-7-5.noarch.rpm 然后安装collectd。 这是一个例子： [InfluxDB示例内存使用结果集] 第7步 - 安装和启动Grafana 我们可以使用InfluxDB的Web界面来探索数据并从时间序列数据中可视化系统趋势。 参考文献：《How To Analyze System Metrics with InfluxDB on CentOS 7》
4.2K30发布于 2018-09-20 - 来自专栏云计算教程系列
如何使用CentOS 7上的TICK堆栈监控系统指标
准备 在开始之前，您需要以下内容： 一个CentOS 7服务器，包括可以使用sudo权限的非root用户和防火墙。 如果您希望按照步骤7中的说明保护Chronograf用户界面，则需要一个GitHub帐户，该帐户是GitHub组织的一部分。 第3步 - 安装和配置Telegraf Telegraf是一个开源代理，可以在其运行的系统或其他服务上收集指标和数据。然后，Telegraf将数据写入InfluxDB或其他输出。 第7步 - 使用OAuth保护Chronograf 默认情况下，任何知道运行Chronograf应用程序的服务器地址的人都可以查看数据。它适用于测试环境，但不适用于生产。 ---- 参考文献：《How To Monitor System Metrics with the TICK Stack on CentOS 7》
3.1K50发布于 2018-08-01 - 来自专栏专知
【干货】7种最常用的机器学习算法衡量指标
当然，在进行实验的时候，一种或两种衡量指标并不能说明一个模型的好坏，因此我们需要了解常用的几种机器学习算法衡量指标。 本文整理介绍了7种最常用的机器学习算法衡量指标：分类精度、对数损失、混淆矩阵、曲线下面积、F1分数、平均绝对误差、均方误差。相信阅读之后你能对这些指标有系统的理解。 ? 你的模型可能在用一个指标来评论时能得到令人满意的结果，但用其他指标(如对数损失或其他指标)进行评估时，可能会给出较差的结果。 曲线下面积（Area Under Curve, AUC） ---- 曲线下面积（AUC）是评估中使用最广泛的指标之一。 它用于二分类问题。 7. 均方误差 ---- 均方误差（MSE）与平均绝对误差非常相似，唯一的区别是MSE取原始值与预测值之差的平方的平均值。
4.1K60发布于 2018-04-16 - 来自专栏数据分析师小熊
数据分析师7大技能：梳理指标体系
其中最重要的，可能就是梳理指标体系了。在招聘的时候，这是数据分析师的一项硬技能要求。 那么该如何梳理呢？今天简单分享一下。 一、什么是指标体系 用一系列指标来描述业务，即为指标体系。 业务很复杂，用一两个指标很难说清楚的时候，就需要指标体系来描述。比如一个拉新活动：注册APP后领5元券购物，整个业务流程很长，因此需要很多指标才能描述（如下图）。 二、为什么要梳理指标体系 常见的有2种情况： 新上线的业务，要新设监控指标 老业务，有一堆零散的指标，没有条理 这时候，就需要数据分析师主动进行梳理，搞清楚： 到底哪个指标才是关键 到底指标之间是啥逻辑关系 因此设计指标体系就相对简单。 这样才能保证指标体系的可用性。 五、梳理指标体系要点 从上边两个例子对比可以看出，梳理指标体系要点在于：理解用户/业务流程。实际上，上边还是简单流程，因为它们都是相对独立的流程，和其他流程相关性小。
1.1K00编辑于 2022-03-09 7个关键指标评估YashanDB数据库性能表现
常见数据库性能指标涵盖响应时间、吞吐率、资源利用率等维度，但针对YashanDB的体系架构及其特征，有必要结合数据库的内部运行机制和部署形态设计出一套合理的性能评估指标。 本文将深入解析7个关键性能指标，帮助开发人员和数据库管理员科学判断和优化YashanDB系统的性能表现。1. 吞吐率（Transactions Per Second, TPS）吞吐率是衡量数据库单位时间内完成事务数量的指标，反映数据库处理能力。 7. SQL执行计划稳定性SQL执行计划稳定性指优化器输出计划的变化幅度与预测准确度，间接影响数据库的整体性能表现。 结论本文围绕YashanDB数据库的技术架构和核心组件，详细解析了7个关键性能指标：吞吐率、查询响应时间、I/O延迟及吞吐量、事务延迟、缓存命中率、网络延迟与吞吐量及SQL执行计划稳定性。
20710编辑于 2025-11-15- 来自专栏Elastic Stack专栏
RAG评估指标：指标之旅
由于这些缺点，NLP 社区探索了更高级的外在指标来解决这些问题。基于模型的指标内在指标和 N-gram 指标的一个显著缺陷在于它们没有利用语义理解来评估生成内容的准确性。 我们对 Mistral-7b-Instruct 和 Falcon-7b-Instruct 进行了基准测试，以评估它们在流畅性、一致性、连贯性和相关性方面的可区分性。 接下来，我们使用 UniEval 评估一个模型（在这种情况下是 Mistral-7B-Instruct-v0.1，但它可以是任何模型）。然后，我们手动检查和标注显示幻觉的生成文本。 在这个实验中，我们想比较 Falcon-7b-Instruct 中不同的信息解码方法。 图7 - 使用 UniEval 进行的解码策略基准测试根据先前的研究，最有效的方法是对比解码。需要注意的是，尽管贪婪解码被认为是一种受限策略，但在这种情况下表现得相当不错。
1.2K22编辑于 2024-12-11 - 来自专栏公众号PowerBI大师
好指标与坏指标
下层基础决定上层建筑，写出一个好的度量值的前提是有好的指标设计。什么样的指标才是好指标呢？ 这是一个很重要的问题，你设计的指标是评价一段时间的发生值，还是某一时点值? ? 前天出版社的编辑老师告诉我新书的第一批库存快卖光了，要开始加印。让我在关注销售册数的同时又加入了一个库存量指标。 显然销售册数是时间段指标，库存量是时间点指标。 ? 对于时间段指标通过日期表可以得到年、季度、月、周的对应值，并且利用时间智能函数可以轻松求得环比、同比等等，这并不难。 基本的思路就是把指标拆解成流入和流出，再分别求累计至今的发生值。 ? 以上是目标管理的SMART原则，也可以作为判断指标好坏的参考。简而言之，能够解决问题的就是好指标。
1.8K30发布于 2019-08-07 - 来自专栏后台全栈之路
腾讯 tRPC-Go 教学——（7）服务配置和指标上报
这篇文章我们就来讲一讲 tRPC 的配置功能，以及自定义指标监控功能吧。 tRPC-Go 教学——（4）tRPC 组件生态和使用 腾讯 tRPC-Go 教学——（5）filter、context 和日志组件 腾讯 tRPC-Go 教学——（6）服务发现 腾讯 tRPC-Go 教学——（7） 指标监控 指标监控嘛，这个是笔者的弱项，因此只能简单提一嘴了。在腾讯内网中，我们团队几位开发者一致同意：针对 trpc 生态的最好的监控系统，是内部一个名叫 “伽利略” 的可观测系统、监控和治理中心。 我个人也实现了一个基于日志的极为简单的自定义属性日志记录插件，读者们可以拿来作为指标的补充调试用工具使用。 原文标题：《腾讯 tRPC-Go 教学——（7）服务配置和指标上报》 发布日期：2024-05-19 原文链接：https://cloud.tencent.com/developer/article/2418601
2.2K52编辑于 2025-04-18 - 来自专栏Java技术栈
Java 程序员必须清楚的 7 个性能指标
来源：王韵菲 www.evget.com/article/2015/11/16/22990.html 本文中，小编搜集了7个最有影响的衡量标注，让你可以不依赖日志文件来了解应用程序。 吞吐量是另一个角度衡量传输数据的指标，是指单位时间内系统处理的客户请求的数量。 我们可以使用APMs（例如New Relic或AppDynamics）来衡量这些指标。 你要注意观察不同指标之间的数据是如何相互影响的。 推荐工具： jClarity Censum GCViewer 5.业务指标 应用程序的性能不完全取决于响应时间和错误率。 业务指标也是一方面，例如收益、用户数。 推荐工具： Grafana The ELK stack Datadog Librato 6.正常运行时间和服务运行状态 这一指标奠定了整个应用程序性能的基础。 推荐工具： Pingdom 7.日志大小 日志有一个缺点，它是一直在增加的。当您的服务器启动塞满了垃圾，一切都慢下来。因此，我们需要密切的关注日志大小。
87720发布于 2018-12-21 - 来自专栏运维前线
如何在CentOS 7上使用Packetbeat和ELK收集基础结构指标
在本教程中，您将配置并使用带有ELK堆栈的Packetbeat来收集和可视化基础架构指标。 实验要求 一个具有4GB内存的CentOS 7服务器，配置了如何在CentOS 7上安装Elasticsearch，Logstash和Kibana教程中描述的ELK堆栈设置。 一个CentOS 7服务器具有任何数量的RAM，将作为客户端机器。 每个服务器具有sudo权限的标准用户帐户。您可以通过使用CentOS7教程的初始服务器设置来设置标准帐户。 在客户端服务器上，编辑Packetbeat配置文件： sudo vi /etc/packetbeat/packetbeat.yml 在文件顶部附近，您将看到输入部分，您可以在其中指定应将哪些指标和统计信息发送到 shipper: name: prod-shipper logging: files: path: /var/log/beat name: beat keepfiles: 7
2.7K90发布于 2018-01-02 - 来自专栏计算机工具
KDJ指标又叫随机指标（Stochastics）
KDJ指标又叫随机指标（Stochastics） 是一种相当新颖、实用的技术分析指标。它起先用于期货市场的分析，后被广泛用于股市的中短期趋势分析，是期货和股票市场上最常用的技术分析工具之一。 KDJ指标概述 组成：KDJ指标由K线、D线和J线三条曲线所组成。 KDJ指标的应用与解读 超买超卖区域：KDJ指标通常被划分为超买区（80-100）、超卖区（0-20）和徘徊区（20-80）。 当KDJ指标进入超买区时，表示买盘强盛，股价可能面临短期回调；当指标进入超卖区时，则代表卖盘沉重，股价可能即将见底反弹。 根据计算结果，我们可以绘制出KDJ指标的曲线图，并结合股价走势进行研判。例如，如果KDJ指标在超卖区形成金叉且股价出现底背离现象，则可能是买入的良机。
81910编辑于 2024-12-14 - 来自专栏阿黎逸阳的代码
影响房价指标画像——数值指标
7 总面积 总面积(地下室总平方英尺)指标不同值对应的房屋价格趋势如下： 可以发现总面积越大，整体来看房子的销售价格越高。 10 低质量成品 低质量成本指标不同值对应的房屋价格趋势如下： 可以发现低质量成本指标和房屋销售价格之间没有很明显的关系。 12 地下室全套浴室 地下室全套浴室指标不同值对应的房屋价格趋势如下： 可以发现整体来看地下室全套浴室指标值越大，房屋销售价格越高。 13 地下室半浴室 地下室半浴室指标不同值对应的房屋价格趋势如下： 可以发现地下室半浴室指标值对房屋销售价格影响不大。 三、影响房价指标画像分析-总结 总结的影响房价指标画像如下： 至此，数值型的房价影响指标已讲解完毕。后续文章会对类别型的房价影响指标和房价趋势进行预测，敬请期待。
75420编辑于 2023-08-21 - 来自专栏Spark学习技巧
Java 程序员必须了解的 7 个性能指标
来源：王韵菲 www.evget.com/article/2015/11/16/22990.html 本文中，小编搜集了7个最有影响的衡量标注，让你可以不依赖日志文件来了解应用程序。 吞吐量是另一个角度衡量传输数据的指标，是指单位时间内系统处理的客户请求的数量。 我们可以使用APMs（例如New Relic或AppDynamics）来衡量这些指标。 你要注意观察不同指标之间的数据是如何相互影响的。 推荐工具： jClarity Censum GCViewer 5.业务指标 应用程序的性能不完全取决于响应时间和错误率。 业务指标也是一方面，例如收益、用户数。 推荐工具： Grafana The ELK stack Datadog Librato 6.正常运行时间和服务运行状态 这一指标奠定了整个应用程序性能的基础。 推荐工具： Pingdom 7.日志大小 日志有一个缺点，它是一直在增加的。当您的服务器启动塞满了垃圾，一切都慢下来。因此，我们需要密切的关注日志大小。
56340发布于 2018-12-24 - 来自专栏芋道源码1024
7 个对 Java 意义重大的性能指标，你知道几个？
平均负载 3.错误率 4.GC 率和暂停时间 5.业务指标 6.正常运行时间和服务运行状态 7.日志大小 ---- 本文中，搜集了7个最有影响的衡量标注，让你可以不依赖日志文件来了解应用程序。 吞吐量是另一个角度衡量传输数据的指标，是指单位时间内系统处理的客户请求的数量。 我们可以使用APMs（例如New Relic或AppDynamics）来衡量这些指标。 你要注意观察不同指标之间的数据是如何相互影响的。 推荐工具： jClarity Censum GCViewer 5.业务指标 应用程序的性能不完全取决于响应时间和错误率。 业务指标也是一方面，例如收益、用户数。 推荐工具： Grafana The ELK stack Datadog Librato 6.正常运行时间和服务运行状态 这一指标奠定了整个应用程序性能的基础。 推荐工具： Pingdom 7.日志大小 日志有一个缺点，它是一直在增加的。当您的服务器启动塞满了垃圾，一切都慢下来。因此，我们需要密切的关注日志大小。
63510发布于 2019-05-21 - 来自专栏Golang语言社区
7大决定决定服务器性能的指标，你测试过几个？
考虑到网站系统构架、数据量等关系，压力测试的结果与实际负载结果不会完全相同，就算压力测试工作做的再好，也不能保证100%和线上性能指标相同。所以压力测试得出的数值只是一个理论值，可以参考。 这个就更不用说了，带宽是服务器中成本最高的，最贵的，也是服务器好坏的核心指标之一，据说独享1M比共享100M还要快。这个一定要测好才能证明钱没有白花。 以上7条，大家可以在实际操作中自行验证，我也是在看专业评测网站的时候发现的。 原文链接：http://support.huawei.com/ecommunity/bbs/10167241.html
1.8K50发布于 2018-03-21 - 来自专栏云计算教程系列
如何在CentOS 7上利用PacketBit和ELK收集基础设施指标
在本教程中，您将配置并使用Packetbeat和elk堆栈来收集基础设施指标并将其可视化。 准备 一台CentOS 7服务器，内存为4GB，配置elk堆栈并安装Kibana仪表板，但不要配置任何客户端机器。 但是，如果向下滚动，您将看到从您安装的Packetbeat客户端服务器中收集到的各种指标。 在这里，您可以根据索引数据创建图表。 结语 现在您的系统指标已经通过ElasticSearch和Logstash进行了集中，并且您使用Kibana可视化它们，您应该能够一目了然地看到您的服务器。 参考文献：《How To Gather Infrastructure Metrics with Packetbeat and ELK on CentOS 7》
1.1K20发布于 2018-08-13 - 来自专栏自然语言处理
7个用于改进RAG系统的检索指标
RAG通过访问非参数化记忆增强了LLM的参数化记忆 图片来源:https://medium.com/the-rag-explorer/7-retrieval-metrics-for-better-rag-systems-f04c098abbe7 检索指标 评估RAG（检索增强生成）系统的评价指标可以分为三大类： 用于信息检索任务的检索指标（本文重点讨论的内容） 生成特定指标，如BLEU、ROUGE、METEOR等，这些指标关注生成内容的流畅性， 前四个指标不考虑文档的排名。它们从整体检索角度评估系统的有效性。接下来的三个指标也会考虑结果的排名。 5. 7. 这些检索指标有助于评估和改进性能，从而更好地满足用户需求。 你认为还有哪些指标可以补充到这个列表中呢？欢迎留言告诉大家！
2.1K10编辑于 2025-02-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号