线上尾部延迟突然恶化时如何排除聚合指标与采样策略造成的假象

# 核心结论

线上尾部延迟突然恶化时，不能仅凭全站 p95、p99 或平均值判断性能已经回归。应先验证指标口径、样本进入条件、采样单位、时间窗口和用户结构是否一致，再在设备、版本、网络、入口、缓存状态等同质分层中比较实验组与对照组。只有端侧阶段数据、失败率、发布标识和服务端链路证据能够相互印证，才应将变化归因于代码发布。

# 底层机制

分位数不具备可加性：各地区或设备组的 p95 不能再取平均得到全局 p95，必须合并原始样本或可合并的直方图。直方图桶过粗、最高桶封顶或超时值被截断，也会让高分位失真。还要警惕辛普森悖论：每个设备分层都没有变慢，但新版低端设备占比提高后，全局指标仍可能恶化。

采样同样会