第十三周课后练习

作业一：

（至少完成一个）

• 你所在的行业，常用的数据分析指标有哪些？请简述。

• Google 搜索引擎是如何对搜索结果进行排序的？（请用自己的语言描述 PageRank 算法。）

1、你所在的行业，常用的数据分析指标有哪些？请简述。

我现在在一个财务软件公司做 DevOps 工具栈开发，不知道怎么定义公司，因为外界和我自己都认为公司是财务、ERP 软件公司，但是现在公司努力去掉这种标签，我们要变成一家 PASS 平台公司，卖服务。

首先从工作本身来说：

1. 常用网站性能测试指标响应时间

并发数、吞吐量、对于网站，可以用“请求数/秒”、“页面数/秒”、“访问人数/天”、“处理的业务数/小时”等来衡量、TPS（每秒事务数）也是吞吐量的一个指标，此外还有 HPS（每秒 HTTP 请求数）、QPS（每秒查询数）等

上述来源于课程，工作中也有接触，因为运维同事会监控它们，以判断云服务器资源是否需要调整。

2. 数据指标

描述服务器或操作系统性能的一些数据指标。包括 system load、对象与线程数、内存使用、CPU 使用、磁盘与网络 I/O 等。这些指标也是系统监控的重要参数，对这些指标设置报警阈值，当监控系统发现性能计数器超过阈值的时候，就向运维和开发人员报警，及时发现处理系统异常。

因为公司所有的云服务器资源，包括但不限于阿里、华为、腾讯、AWS 等，都在我们部门管理，虽然不在我们组，但是略有耳闻。

3. 我开发接触的

首先质量：产品 SLA、线上事故事件数、用户活跃趋势 24 小时（我们是企业用户，一般用户量不多，只是操作复杂，我们属于企业管理软件一类）、用户点击趋势（用户点击操作一次算一次）、租户趋势规模（我们的租户就是一个公司，具体我也没问，多个租户就是多个公司）、用户日活趋势（一年）、业务异常（按天，我们是从 ElasticSearch 里面采集错误日志，现在每天上千万错误记录，我设计的 Java 采集程序有点扛不住）、租户环境版本分布图、灰度版本验证情况、公有云灰度版本分布、沙箱灰度、在研补丁、项目组测试情况（进度百分比）、bug 遗留情况，其它的用户活跃、使用设备等，在上周作业里面已经提到了，就不重复。

2、Google 搜索引擎是如何对搜索结果进行排序的？（请用自己的语言描述 PageRank 算法。）

PageRank 算法，又称佩奇排名，是 Google 公司对其搜索引擎搜索结果中的网页进行排名的一种算法。

PageRank 算法通过输出概率分布来体现某人随机地点击某个链接的概率——PR 值。

算法定义有点抽象，我们通过一个简化版的示例来介绍一下如何计算 PR 值。假设总共只有四个网页 A、B、C、D，所有的页面只指向 A，那么 A 的 PR 值就是 B、C、D 的 PR 总和：

简单 PR 计算 1

再比如 B 链接到 A 和 C；C 链接到 A；并且 D 链接到 A、B、C：

简单 PR 计算 1

B 就会分出去半票 给 A 、C ；C 给 A 一票；D 给其他各页面三分之一票，结果PR(A)的值就是：

加权的 PR 值

概括一下：算法会根据每个页面总出度L(x)——指向其他页面的总个数——平分该页面的 PR 值，并将其加到所指向的页面：

加权的 PR 值

算法最后会添加一个系数 d 做修正：

• 给添加出度权重后的 PR 值再乘上该修正系数 d
  

• 并保证每个页面的最小值为 (1-d) / N， N 为集合中网页的数目

p.s. d是根据上网者使用浏览器书签的平均频率估算而得，大约为 0.85

我们得到：

修正后的 PR 值

同理，我们把该公式泛化到所有的页面，即：

所有的 PR 值

写成矩阵形式：集合中所有页面的 PR 值可以由一个特殊的邻接矩阵的特征向量表示，这个特征向量 R 为：

向量形式 PR

PageRank 算法中，一个页面的 PR 值直接取决于指向它的的页面。如果在最初给每个网页一个随机且非零的 PR 值，通过上述公式经过多次迭代，这些页面的 PR 值会收敛某个定值，即最终结果。

矩阵迭代

参考链接：https://www.jianshu.com/p/5dd2e7086807