Что такое показатель pss
Что такое показатель pss
Коэффициент Цена/Выручка (Price/Revenues или Price/Sales, Р/S) — оценивает компанию по объему выручки и показывает сколько инвестор платит за 1 рубль дохода.
Оценка компании, по данному мультипликатору, происходит по объёму ее продаж. P/S хорошо будет работать с компаниями, имеющими крупную капитализацию. Для компаний, которые ни не имеют объема продаж в прямом смысле (банки, страховые компании), его использовать не стоит.
Именно из-за того, что в знаменателе стоит объем продаж, многие инвесторы предпочитают использовать при оценке компаний P/S, нежели P/E, так как считают его более объективным показателем, чем чистая прибыль. Ведь многие компании могут проводить манипуляции в отчетности и корректировать свою прибыль в сторону увеличения.
Итак, общепринято считать, что нормой считается значение P/S чем ниже данный показатель, тем лучше, и тем меньше инвестор платит за каждый рубль, получаемый компанией с продаж. При P/S
Приступая к анализу по данному мультипликатору, стоит анализировать показатели компании за длительный период, то есть брать в расчет данные прошлых лет. И если, наблюдается положительная динамика компании, то можно сказать, что она продолжает развиваться и захватывать новую долю рынка. Использовать P/S стоит в рамках одной отрасли, ровно также, как и P/E. При этом, нужно понимать, что выручка и прибыль могут достаточно сильно разниться. Если P/S компании постоянно снижается, но при этом прибыль и объем продаж растут, то это говорит о том, что выручка предприятия растет значительно быстрее, чем цена ее акций. Такая картина не может долго продолжаться, и цена акций должна будет подтянуться вслед за объемами продаж. Считается, что акции компании более привлекательны для покупки, когда P/S имеет значение близкое к единице. Если прибыльность компании остается на прежнем уровне, а ее показатель P/S постоянно растет, то рост цены такой акции в дальнейшем может не оправдать надежд инвесторов.
Как рассчитать мультипликатор P/S?
P/S — это отношение рыночной оценки компании к объему продаж:
P/S = Рыночная капитализация (Market capitalization) / объем продаж (выручка) (Sales, Revenues)
Источник: Московская биржа, акции Лукойла
Выручка (Sales, Revenues) — это денежные средства, получаемые компанией от реализации, продажи ее товаров или услуг.
Источник: финансовая отчетность Лукойла
Источник: финансовая отчетность Лукойла
Таким образом, мы считаем P/S = 3834902 млн руб. / 8035889 млн руб. = 0,47. Не забываем приводить к общему числителю и знаменателю до «миллионов рублей».
Как видите, и вправду, рассчитать данный показатель не составляет большого труда. Мы получили P/S Лукойла равный 0,47 и это говорит нам о том, что инвестор заплатит 47 копеек, чтобы Лукойл реализовал продажу нефтепродуктов на 1₽.
Полезная информация и никакого спама
Присоединяйтесь к нам и получайте новые идеи по рынку акций!
Как правильно P.S.S или P.P.S?
>P.S.S. значит «post sub scriptum», «после того, что ниже написанного», синоним P.P.S.
Вроде правильнее будет «после того, что выше написанного»?
Ответ на пост «Уникальные слова»
Товарищ затронул интересную тему. Я родился в Сибири. Кемерово. Когда переехал, то открыл для себя много новых режущих ухо слов.
1)Сапка. Это тяпка и здесь люди сапают. В школе на ПХД надо мной смеялись много.
2)Соус. Это тушеный картофель(видимо по аналогии с французской пастой). Его кстати не кладут, а насыпают. Было очень непонятно, когда мне впервые предложили «соуса насыпать».
3)Стёрка. В Сибири говорили стирательная резинка. Она же ластик.
4)Скибка. Кусок, ломоть. Кусок арбуза или хлеба вам тут могут предложить именно так.
6)Ставок. Это пруд. Даже википедия знает, что это южнорусский диалект.
7)Бубочка. Это виноградная гроздь. Впервые услышал это слово в таком контексте, знакомый презентовал свое домашнее вино и сказал: «Пьешь, как будто бубочку целуешь!».
8)Балон. А это на Кубани банка, обычно трехлитровая.
В Сибири говорят строгалка. На Кубани точилка. Прибор для заточки карандашей.
Моя девушка родом из Сахалина. Как-то попросил ее приготовить мне солянку. А получил я капусту с мясом. Так у них солянка делалась.
Ругательства Древней Руси
Как то я был на матерной экскурсии в Тюмени и там экскурсовод, специалист по истории русского мата рассказывал нам, что в русском мате существует всего 4 слова (вспомнили их?) и уже из него мы произносим 3000 производных.
А вот посмотрите, как творчески подходили к ругательствам на Руси.
Обзывательства про ум
Баламошка — полоумный, дурачок
Божевольный — худоумный, дурной
Божедурье — дурак от природы
Дуботолк, Дроволом, Остолбень — дурак
Королобый — крепкоголовый, тупой, глупый
Межеумок — человек очень среднего ума
Мордофиля — дурак, да еще и чванливый
Обзывательства про внешность
Пентюх — пузатый человек с выдающейся кормой вдобавок
Безпелюха, тюрюхайло — неряха
Брыдлый — гадкий, вонючий
Затетёха — дородная женщина
Загузастка — круглая, толстая женщина с большой попой
Скоблёное рыло — с выбритой бородой
Захухря — нечёса, неряха, растрепа
Шпынь голова — человек с безобразием на голове
Псоватый — на пса похожий
Фуфлыга — невзрачный маленький мужичок
Обзывательства про характер
Маракуша — противный человек
Хобяка, Михрютка, Сиволап — неуклюжий, неловкий
Свербигузка — девка-непоседа, у нее свербит в одном месте (гузка — это попа). Она же Визгопряха
Ащеул — пересмешник, зубоскал
Ветрогонка — вздорная баба
Баляба — рохля, разиня
Белебеня, Лябзя — пустоплет
Бобыня, Буня — надутый, чванливый
Бредкий — говорливый, болтливый (от слова «бред», как вы понимаете)
Колотовка — драчливая и сварливая баба. Она же Куёлда
Гузыня или Рюма — плакса, рёва
Пыня — гордая, надутая, недоступная женщина
Пятигуз — ненадежный человек, дословно можно перевести как «пятижоп»
Расщеколда — болтливая баба
Разлямзя — неповоротливый, вялый
Попрешница — женщина, которую хлебом не корми, дай поспорить
Суемудр — ложно премудрый
Костеря, кропот, скапыжник — брюзга, ворчун
Чужеяд — паразит, нахлебник
Хобяка — неуклюжий, неловкий
Обзывательства про поведение
Волочайка, Гульня, Ёнда, Безсоромна — все это великолепие эпитетов посвящено распутным женщинам
Бзыря, Блудяшка, Буслай — бешеный повеса, гуляка
Валандай, Колоброд, Мухоблуд — бездельник, лодырь
Печная ездова — лентяйка
Трупёрда — неповоротливая баба
Тьмонеистовый — активный невежа
Ерохвост — задира, спорщик
Ендовочник — охочий до пива, браги, попоек
Ёра — озорная, бойкая на язык женщина
Киселяй, колупай — вялый, медлительный человек
Шлында — бродяга, тунеядец
Насупа — угрюмый, хмурый
И еще хорошие синонимы к привычным нам словам
Шаврик — кусок дерьма
Чёрт верёвочный — псих
Облуд, обдувало — врун
Огуряла, охальник — безобразник и хулиган
Русский язык и Книга рекордов Гиннесса
Боюсь, что моя статья спровоцировала у вас приступ гиппопотомонстросескиппедалофобии (33 буквы!). Именно так в русском языке называется боязнь длинных слов. А наши соотечественники с юмором, не правда ли?
Что такое показатель pss
возмущённое стационарное состояние
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
исследование проблем безопасности на основе вероятностного анализа
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
подсистема энергоснабжения
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999 г.]
Тематики
система быстрого останова ядерного реактора
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
система источников электропитания
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
система обеспечения охраны на АЭС
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
система отбора проб в первом контуре ядерного реактора
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
система отбора проб в ходе технологического процесса
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
система передачи данных с коммутацией пакета
—
[Е.С.Алексеев, А.А.Мячев. Англо-русский толковый словарь по системотехнике ЭВМ. Москва 1993]
Тематики
система передачи данных с коммутацией пакетов
—
[Л.Г.Суменко. Англо-русский словарь по информационным технологиям. М.: ГП ЦНИИС, 2003.]
Тематики
система с использованием датчиков с высоким пределом чувствительности по давлению
—
[А.С.Гольдберг. Англо-русский энергетический словарь. 2006 г.]
Тематики
службы общественной безопасности
Системы профессиональной мобильной радиосвязи подразделяются на 3 класса: общественные (PSS), частные (PMR) и коммерческие (SMR/PAMR). Системы для PSS включают в себя сети связи полиции, пожарных, скорой помощи, служб коммунального хозяйства, а также сети, обеспечивающие безопасность населения в чрезвычайных ситуациях. Для систем этого класса характерно небольшое число абонентов (обычно не более 5000), но для их работы необходимо обеспечить ряд специальных функций, например, прослушивание эфира, возможность экстренного вызова и т.д.
[Л.М. Невдяев. Телекоммуникационные технологии. Англо-русский толковый словарь-справочник. Под редакцией Ю.М. Горностаева. Москва, 2002]
Тематики
Тематики
Полезное
Смотреть что такое «PSS» в других словарях:
PSS — may refer to:In science: *Packet Switch Stream, a British packet switched network *Peroidic Steady State: ** Peroidic Steady State Analysis ** Peroidic Steady State Solution *Plasma sound source, a means of making sonar underwater *Polystyrene… … Wikipedia
PSS — puede referirse a: Astronomía PSS 1537+1227, quasar. Política Partido Socialista Suizo Partido Socialista del Sureste, en México. Partido Socialdemócrata Sueco Passenger Service Syetem o Sistema de Gestion de Pasajeros … Wikipedia Español
PSS — steht als Abkürzung für Paperless Strip System, papierloses Streifensystem, Bestandteil des Flugplandatenverarbeitungssystems der Deutschen Flugsicherung (DFS). Passenger Service System der Boeing 747 Predictive Safety System, Fahrzeug… … Deutsch Wikipedia
pss — fonosimb. CO voce che imita il particolare sibilo che si emette per richiamare l attenzione di qcn. o per imporre il silenzio; anche s.m.inv. <
pss — interiez. [voce onomatopeica]. [voce che riproduce quel rumore labiale sibilante che si fa per richiamare l attenzione di qualcuno] ▶◀ sss, ssh … Enciclopedia Italiana
pss — <><
¡pss! — ¡pche! o ¡pchs! o ¡pss! interjección 1. Se usa para indicar indiferencia, desinterés, duda o desprecio por algo o por alguien: ¿Saldrás esta noche? ¡Pche, ya veremos! 2. Uso/registro: vulgar. Se usa para llamar la atención a alguien de manera… … Diccionario Salamanca de la Lengua Española
PSS — Cette page d’homonymie répertorie les différents sujets et articles partageant un même nom. Sigles d’une seule lettre Sigles de deux lettres > Sigles de trois lettres Sigles de quatre lettres … Wikipédia en Français
PSS — abbreviation Etymology: Latin postscripta postscripts * * * PSS (computing) abbrev Packet Switching System … Useful english dictionary
PSS — parallel single unit spiral … Military dictionary
PSS — painful shoulder syndrome; pain sensation score; patient scheduling system; patient stimulation stack; perceived stress scale; performance support system; pheno typic susceptibility score; physiologic saline solution; polystyrene sulfonate;… … Medical dictionary
Антенатальные эхографические мониторинги при гемолитической болезни плода
Журнал «SonoAce Ultrasound»
Содержит актуальную клиническую информацию по ультрасонографии и ориентирован на врачей ультразвуковой диагностики, выходит с 1996 года.
Введение
Этиопатогенез ГБПН у Rh-отрицательной матери представлен следующей последовательностью: предшествующая беременность Rh-положительным плодом, плодово-материнские трансфузии в родах либо при прерывании беременности, иммунизация матери с формированием в ее крови anti-Rh антител (Rh-сенсибилизация), проникновение антител в кровь Rh-отрицательного плода, повреждающее (гемолитическое) действие антител на эритроциты плода, интоксикация плода и новорожденного продуктами распада гемоглобина. ГБПН является фактором высокого риска перинатальной смертности и заболеваемости [1, 2].
Инвазивный забор фетальной крови и гематологическое исследование позволяют наиболее точно диагностировать ГБП на антенатальном этапе. Очевидно, что поиск критериев, обеспечивающих неинвазивную, т. е. эхографическую, диагностику и оценку степени перинатального риска при сенсибилизированной беременности, является важной задачей современной перинатологии.
Все перечисленное затрудняет пренатальное консультирование и прогнозирование результата беременности у сенсибилизированных женщин.
Кроме того, отсутствие стандартного регламента и алгоритма перинатальной тактики при аномальных показателях антенатальных мониторингов иммуноконфликтной беременности объясняется крайне низкой современной частотой подобных клинических случаев, что исключает получение доказательных выводов. Так, в крупном американском центре за 17 лет наблюдений было выявлено всего 167 случаев иммунной водянки плода, т. е. патология встречалась с частотой менее 10 случаев в год [3]. Опубликованный в 2009 г. ретроспективный анализ всех случаев Rh-иммунизации, имевших место в двух французских административных районах c 3 млн жителей, показал, что популяционная частота Rh-иммунизации в настоящее время ниже 0,41%о [13]. Это, по-видимому, связано с широким внедрением профилактических технологий Rh-десенсибилизации и с высоким уровнем контрацепции в экономически развитых регионах.
В настоящее время отсутствуют четкие протоколы ведения сенсибилизированной беременности в зависимости от результатов антенатальных УЗ-мониторингов, поскольку отсутствует доказательная база, основанная на результатах больших исследований. В каждом случае акушерская ситуация оценивается индивидуально, а алгоритмы отсутствуют. В частности, отсутствуют алгоритмы изменения перинатальной и акушерской тактики на основании допплерографии венозного протока (ВП) плода.
а) Норма, углубление между систолическим и диастолическим пиками (между 1 и 2) отражает период ИВР миокарда.
Тестирование производительности веб-сервиса в рамках Continuous Integration. Опыт Яндекса
Почти всех новых сотрудников Яндекса поражают масштабы нагрузок, которые испытывают наши продукты. Тысячи хостов с сотнями тысяч запросов в секунду. И это только один из сервисов. При этом отвечать на запросы мы должны за доли секунды. Даже незначительное изменение в продукте может оказать существенное влияние на производительность, поэтому важно тестировать и оценивать влияние своего кода на сервис.
В нашем сервисе рекламных технологий тестирование работает в рамках методологии Continuous integration, более подробно об организации которой мы расскажем 25 октября на мероприятии Яндекс изнутри, а сегодня мы поделимся с читателями Хабра опытом автоматизации оценки важных продуктовых метрик, связанных с производительностью сервиса. Вы узнаете, как доверить анализ машине, а не следить за ними на графиках. Поехали!
Речь не пойдет о том, как протестировать сайт. Для этого есть немало онлайн-инструментов. Сегодня мы поговорим о высоконагруженном внутреннем бэкенд-сервисе, который является частью большой системы и готовит информацию для внешнего сервиса. В нашем случае – для страниц поисковой выдачи и сайтов партнеров. Если наш компонент не успевает отвечать, то информацию от него просто не отдадут пользователю. А значит, компания потеряет деньги. Поэтому очень важно отвечать вовремя.
Какие важные показатели сервера можно выделить?
Итак, давайте по порядку.
Request per second
Наш разработчик, который долгое время занимался вопросами нагрузочного тестирования, любит говорить про критический ресурс системы. Давайте разберемся, что это такое.
У каждой системы есть свои конфигурационные характеристики, которые определяют работу. Например, длина очереди, время ожидания ответа, threads-worker pool и т.д. И вот может так случиться, что ёмкость вашего сервиса упирается в какой-то из этих ресурсов. Можно провести эксперимент. Увеличивать по очереди каждый ресурс. Ресурс, увеличение которого повысит ёмкость вашего сервиса, и будет для вас критическим. В хорошо сконфигурированной системе, чтобы поднять ёмкость, придется увеличить не один ресурс, а несколько. Но такой всё равно можно «нащупать». Будет отлично, если вы сможете настроить свою систему так, чтобы все ресурсы работали в полную силу, а сервис укладывался в заданные ему временные рамки.
Чтобы оценить, сколько запросов в секунду выдержит ваш сервер, нужно направить в него поток запросов. Так как у нас этот процесс встроен в CI-систему, мы используем очень простую «пушку», с ограниченной функциональностью. Но из открытого ПО для этой задачи отлично подойдет Яндекс.Танк. У него есть подробная документация. В подарок к Танку идёт сервис для просмотра результатов.
Небольшой офтоп. У Яндекс.Танка достаточно богатая функциональность, не ограниченная автоматизацией обстрела запросами. Он также поможет собрать метрики вашего сервиса, построить графики и прикрутить модуль с нужной вам логикой. В общем, очень рекомендуем познакомиться с ним.
Ёмкость можно измерять двумя способами.
Открытая модель нагрузки (стресс-тестирование)
Сделать «пользователей», то есть несколько потоков, которые будут отправлять запрос в вашу систему. Нагрузку мы будем давать не постоянную, а наращивать или даже подавать её волнами. Тогда это приблизит нас к реальной жизни. Наращиваем RPS и ловим точку, в которой обстреливаемый сервис “пробьёт” SLA. Таким образом можно найти пределы работы системы.
Для расчета количества пользователей можно воспользоваться формулой Литтла (о ней можно почитать тут). Опуская теорию, формула выглядит так:
RPS = 1000 / T * workers, где
• T – среднее время обработки запроса (в миллисекундах);
• workers – количество потоков;
• 1000 / T запросов в секунду – такое значение выдаст однопоточный генератор.
Закрытая модель нагрузки (нагрузочное тестирование)
Берём фиксированное количество “пользователей”. Нужно настроить так, чтобы входная очередь, соответствующая конфигурации вашего сервиса, была всегда забита. При этом делать число потоков больше, чем лимит очереди, бессмысленно, так как мы будем упираться в это число, а остальные запросы будут отбрасываться сервером с 5xx ошибкой. Cмотрим, сколько запросов в секунду конструкция сможет выдать. Такая схема в общем случае не похожа на реальный поток запросов, но она поможет показать поведение системы при максимальной нагрузке и оценить её пропускную способность на текущий момент.
Для подавляющего большинства систем (где критический ресурс не имеет отношения к обработке соединений) результат будет одинаковый. При этом у закрытой модели шум меньше, потому что система всё время теста находится в интересующей нас области нагрузки.
Мы при тестировании нашего сервиса используем закрытую модель. После отстрела пушка выдает нам, сколько запросов в секунду наш сервис смог выдать. Яндекс.Танк этот показатель тоже легко подскажет.
Time per request
Если вернуться к предыдущему пункту, то становится очевидно, что при такой схеме оценивать время ответа на запрос не имеет никакого смысла. Чем сильнее мы нагрузим систему, тем сильнее она будет деградировать и тем дольше будет отвечать. Поэтому для тестирования времени ответа подход должен быть другим.
Для получения среднего времени ответа воспользуемся тем же Яндекс.Танком. Только теперь зададим RPS, соответствующий среднему показателю вашей системы в продакшене. После обстрела получим времена ответов каждого запроса. По собранным данным можно посчитать процентили времен ответов.
Дальше нужно понять, какой процентиль мы считаем важным. Например, мы отталкиваемся от продакшена. Мы можем оставить 1% запросов на ошибки, неответы, дебажные запросы, которые отрабатывают долго, проблемы с сетью и т.п. Поэтому мы считаем значимым время ответа, в которое вмещается 99% запросов.
Resident set size
Непосредственно наш сервер работает с файлами через mmap. Измеряя показатель RSS, мы хотим знать, сколько памяти программа забрала у операционной системы за время работы.
В Linux пишется файл /proc/PID/smaps – это расширение, основанное на картах, показывающее потребление памяти для каждого из отображений процесса. Если вы ваш процесс использует tmpfs, то в smaps попадёт как анонимная, так и неанонимная память. В неанонимную память входят, например, файлы, подгруженные в память. Вот пример записи в smaps. Указан конкретный файл, а его параметр Anonymous = 0kB.
А это пример анонимного выделения памяти. Когда процесс (тот же mmap) делает запрос в операционную систему на выделение определенного размера памяти, ему выделяется адрес. Пока процесс занимает только виртуальную память. В этот момент мы ещё не знаем какой физический кусок памяти выделится. Мы видим безымянную запись. Это пример выделения анонимной памяти. У системы запросили размер 24572 kB, но им не воспользовались и фактически заняли только RSS = 4 kB.
Так как выделенная неанонимная память никуда не денется после остановки процесса, файл не удалится, то такой RSS нас не интересует.
HTTP-ошибки
Не забывайте следить за кодами ответов, которые во время тестирования возвращает сервис. Если что-то в настройке теста или окружения пошло не так, и вам на все запросы сервер вернул 5хх и 4хх ошибки, то смысла в таком тесте было не много. Мы следим за долей плохих ответов. Если ошибок много, то тест считается невалидным.
Немного о точности измерений
А теперь самое важное. Давайте вернёмся к предыдущим пунктам. Абсолютные величины посчитанных нами метрик, оказывается, не так уж нам и важны. Нет, конечно же, вы можете добиваться стабильности показателей, учтя все факторы, погрешности и флуктуации. Параллельно написать научную работу на эту тему (кстати, если кто искал себе такую, эта может быть неплохим вариантом). Но это не то, что нас интересует.
Нам важно влияние конкретного коммита на код относительно предыдущего состояния системы. То есть важна разница метрик от коммита к коммиту. И вот тут необходимо настроить процесс, который будет сравнивать эту разницу и при этом обеспечит стабильность абсолютной величины на этом интервале.
Окружение, запросы, данные, состояние сервиса – все доступные нам факторы должны быть зафиксированы. Вот эта система и работает у нас в рамках Continuous integration, обеспечивая нас информацией о всевозможных изменениях, которые произошли в рамках каждого коммита. Несмотря на это, всё зафиксировать не удастся, останется шум. Уменьшить шум мы можем, очевидно, увеличив выборку, то есть произвести несколько итераций отстрела. Далее, после отстрела, скажем, 15 итераций, можно посчитать медиану получившейся выборки. Кроме того, необходимо найти баланс между шумом и длительностью отстрела. Мы, например, остановились на погрешности в 1%. Если вы хотите выбрать более сложный и точный статистический метод в соответствии со своими требованиями, рекомендуем книгу, в которой перечислены варианты с описанием, когда и какой применяется.
Что ещё можно сделать с шумом?
Отметим, что немаловажную роль в таком тестировании занимает среда, в которой вы проводите тесты. Тестовый стенд должен быть надежным, на нём не должны быть запущены другие программы, так как они могут приводить к деградации вашего сервиса. Кроме того, результаты могут и будут зависеть от профиля нагрузки, окружения, базы данных и от различных “магнитных бурь”.
Мы в рамках одного теста коммита проводим несколько итераций на разных хостах. Во-первых, если вы пользуетесь облаком, то там может происходить что угодно. Даже если облако специализированное, как наше, всё равно там работают служебные процессы. Поэтому полагаться на результат от одного хоста нельзя. А если хост у вас железный, где нет, как в облаке, стандартного механизма поднятия окружения, то его можно вообще один раз случайно сломать и так и оставить. И врать он будет вам всегда. Поэтому мы гоняем наши тесты в облаке.
Из этого, правда, вытекает другой вопрос. Если ваши измерения производятся каждый раз на разных хостах, то результаты могут немного шуметь и из-за этого в том числе. Тогда можно нормировать показания на хост. То есть по историческим данным собрать “коэффициент хоста” и учитывать его при анализе результатов.
Анализ исторических данных показывает, что «железо» у нас разное. В слово «железо» тут входят версия ядра и последствия uptime (по-видимому, не перемещаемые объекты ядра в памяти).
Таким образом, каждому «хосту» (при перезагрузке хост «умирает» и появляется «новый») ставим в соответствие поправку, на которую умножаем RPS перед агрегацией.
Поправки считаем и обновляем крайне топорным способом, подозрительно напоминающим некоторый вариант обучения с подкреплением.
Для заданного вектора похостовых поправок считаем целевую функцию:
Дальше одну поправку (для хоста, у которого сумма этих весов наибольшая) фиксируем в 1.0 и ищем значения всех остальных поправок, дающие минимум целевой функции.
Чтобы провалидировать результаты на исторических данных, считаем поправки на старых данных, считаем поправленный результат на свежих, сравниваем с неисправленным.
Ещё один вариант корректировки результатов и уменьшения шума – это нормировка на «синтетику». Перед запуском трестируемого сервиса запустить на хосте “синтетическую программу”, по работе которой можно оценить состояние хоста и рассчитать поправочный коэффициент. Но в нашем случае мы используем поправки по хостам, а эта идея так и осталась идеей. Возможно, кому-то из вас она приглянется.
Несмотря на автоматизацию и все её плюсы, не забывайте о динамике ваших показателей. Важно следить, чтобы сервис не деградировал во времени. Маленькие просадки можно не заметить, они могут накопиться, и на большом временном промежутке ваши показатели могут просесть. Вот пример наших графиков, по которым мы смотрим на RPS. Он показывает относительное значение на каждом проверенном коммите, его номер и возможность посмотреть откуда был отведен релиз.
Если вы дочитали статью, значит, вам точно будет интересно посмотреть доклад про Яндекс.Танк и анализ результатов нагрузочного тестирования.
Также напоминаем, что более подробно об организации Continuous integration мы расскажем 25 октября на мероприятии Яндекс изнутри. Приходите в гости!