基于相關性分析系統性能瓶頸

測試的過程中，難免需要會遇到一些性能瓶頸，那么就要求我們能夠分析出性能瓶頸，并給出解決方案。
性能瓶頸很抽象，我們可以通過數據使其具象。
以我工作內容為例，服務器處理數據的能力是有限的，那么其處理的邊界值是多少呢？
根據給出的指標，我們需要分析這些指標對處理時間的影響程度（相關性）。
偷懶直接使用python完成
源代碼如下：

# -*- coding: utf-8 -*-
"""
Created on Tue Jul 24 14:47:41 2018@author: jfjiang3
"""
#相關性分析  計算相關系數
import pandas as pdsrc = 'src.xls' #原數據
data = pd.read_excel(src, index_col = u'序號') #讀取數據，指定“序號”列為索引列print("相關系數矩陣，即給出了任意兩列之間的相關系數:")
print(data.corr()) #相關系數矩陣，即給出了任意兩列之間的相關系數
print("顯示“平均下載時間”與其他因素的相關系數:")
print(data.corr()[u'平均下載時間']) #只顯示“平均下載時間”與其他因素的相關系數

?

結果如下：

相關系數矩陣，即給出了任意兩列之間的相關系數:報名人數    直播參課人數    直播滿勤人數    直播缺勤人數      觀看人數    平均下載時間
報名人數    1.000000 -0.242072 -0.384117  0.966091  0.602773  0.463708
直播參課人數 -0.242072  1.000000  0.986240 -0.484384  0.569690  0.564154
直播滿勤人數 -0.384117  0.986240  1.000000 -0.608801  0.431492  0.453250
直播缺勤人數  0.966091 -0.484384 -0.608801  1.000000  0.391901  0.267983
觀看人數    0.602773  0.569690  0.431492  0.391901  1.000000  0.795470
平均下載時間  0.463708  0.564154  0.453250  0.267983  0.795470  1.000000
顯示“平均下載時間”與其他因素的相關系數:
報名人數      0.463708
直播參課人數    0.564154
直播滿勤人數    0.453250
直播缺勤人數    0.267983
觀看人數      0.795470
平均下載時間    1.000000
Name: 平均下載時間, dtype: float64

結果：

1、我們推測業務處理的復雜度關系是：觀看人數>直播參課人數>報名人數
2、可以從觀看人數、直播參課人數、報名人數對參與率表生成業務進行優化，可以優先考慮觀看人數指標。
3、根據實際使用情況，當報名人數為700-800時，當前現網處理能力已接近瓶頸。