互联网基础术语简介

1、灰度测试

1.1 基础定义:
灰度测试,就是在某项产品或应用正式发布前,选择特定人群试用,逐步扩大其试用者数量,以便及时发现和纠正其中的问题。

灰度测试目的是在做一次比较重大的改版前,要先进行一个小范围的尝试工作,然后再慢慢放量,直到这个全新的功能覆盖到所有的系统用户。也就是说在新功能上线的黑白之间有一个灰,所以这种方法也通常被称为灰度测试。类似于我们通常所说的内测

1.2 灰度期:
灰度测试开始到结束期间的这一段时间,称为灰度期。

1.3 灰度测试有什么作用?
灰度测试可以及早获得用户的反馈,改进产品功能,提高产品质量,允许用户参与产品测试,增强与用户的互动,并减少受产品升级影响的用户范围。

2、A/B-test显著性检验

2.1 任务定义
A/B-test是为同一个目标制定两个方案,在同一时间维度,分别让组成成分相同(相似)的用户群组随机的使用一个方案,收集各群组的用户体验数据和业务数据,最后根据显著性检验分析评估出最好版本正式采用。

一般情况:在实验开始之前,对照组是原本模型的表现情况(A方案)。将我们新提出的方法进行测试(B方案),研究两个方案的好坏。

2.2 目的
A/B-test的目的是随机将测试用户群分为2部分,用户群1使用A方案,用户群2使用B方案,经过一定测试时间后,根据收集到的两方案样本观测数据,根据显著性检验结果选取最好方案。

2.3 常见问题
2.3.1 如何选择样本量,我们最低抽取多少人做A/B-test?

  • 样本量太小,得出的结论不靠谱,容易受到偶然因素影响;
  • 样本量太大,试错成本就大!

2.3.2 基础评价指标


显著性测试混淆矩阵

真实结果(无区别),判断结果(有区别):即我们判断错误了,我们把这类错误叫做第一类错误(Type I error),一般情况下,第一类错误出现的概率用α表示。这个α,就是Significance Level(level)。一般选择5%,即保证第一类错误的概率不超过5%。Statistical Significance=1-level,表示有多大的把握不冤枉好人!

真实结果(无区别),判断结果(无区别)和真实结果(有区别),判断结果(有区别):即我们判断正确。一般把这类正确判断的概率叫做Statistical Power。这类概率一定要要大!

真实结果(有区别),判断结果(无区别):即我们的判断又错了,让有问题的人漏网了。这类错误叫做第二类错误(Type II error),用β表示。根据条件概率的定义,可以计算出β = 1 - power。

总结一下,对于我们的实验:

  • 第一类错误α不超过5%。也就是说Statistical Significance =1-α=95%
  • 第二类错误β不超过20%。也就是说,Statistical Power = 1 -β = 80%。

3、基础指标:

  • 响应时间(RT) :响应时间是指系统对请求作出响应的时间。
  • 吞吐量(Throughput) :吞吐量是指系统在单位时间内处理请求的数量。
  • 并发用户数:并发用户数是指系统可以同时承载的正常使用系统功能的用户的数量。
  • QPS(每秒查询率) :每秒查询率QPS是对一个特定的查询服务器在规定时间内所处理流量多少的衡量标准。
  • TPS(每秒处理事务数):一个事务是指一个客户机向服务器发送请求然后服务器做出反应的过程。
  • OPS(Operates Per Second):一般是操作次数,与qps区别不大。
  • PV(页面访问量):即页面浏览量或点击量,用户每次刷新即被计算一次。
  • CTR(点击通过率):即该广告的实际点击次数(严格的来说,可以是到达目标页面的数量)除以广告的展现量(Show content)。
  • DAU(Daily Active User 日活跃用户量)。统计一日(统计日)之内,登陆或使用了某个产品的用户数(去重)
  • GMV(Gross Merchandise Volume 成交总额):是指下单产生的总金额

参考文献:

灰度测试:https://zhuanlan.zhihu.com/p/124912164
A/B-Tese: https://zhuanlan.zhihu.com/p/75762862
指标:https://www.cnblogs.com/data2value/p/6220859.html

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 159,716评论 4 364
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,558评论 1 294
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 109,431评论 0 244
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 44,127评论 0 209
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,511评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,692评论 1 222
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,915评论 2 313
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,664评论 0 202
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,412评论 1 246
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,616评论 2 245
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,105评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,424评论 2 254
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,098评论 3 238
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,096评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,869评论 0 197
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,748评论 2 276
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,641评论 2 271

推荐阅读更多精彩内容