前言在性能测试中，多选择TP90、TP95或TP99等水位线作为性能指标。 首先，说明TP90、TP95、TP99的意思。
TP90、top percent 90 (即90% )的数据满足一定条件；
TP95、top percent 95，即95%的数据满足一定条件；
TP99、top percent 99，即99%的数据满足一定条件；
在这里，我们之所以说那个“满足一定条件”，是因为在计算的时候，既可以向前计算，也可以向后计算。 例如：
1，2，3，…，98，99，100
如上所示，这是从1到100的数列。 如果想计算那个TP99的值，那个方法就是用数列中数值的总个数乘以99%。 即，100 * 99%=99。 很明显，这个数列有两个满足这99个概念的数值：
2 )即数列99%的数值均在299以上。 也就是说，数列99%的数值都在99以下。 因此，TP90、TP95或TP99等水位线有两种含义。 具体选择哪一个，可以根据需求自己选择。
计算水位线的值(如计算方法TP90、TP95或TP99 )时，假定必须保存所有计算值。 那么，应该使用什么样的数据结构来保存这一系列的值呢？ 数组？ 还是名单？ 实际上，无论选择哪个数据结构，都不能假设长度无限大。 内存空间是有限的，数据结构也有理论上的最大值，但存储的值数量可能是无限的。 因此，需要利用有限长度的数据结构来存储更多的数值。 其中，数据结构选择数组，并以计算耗时的水位线(如TP90、TP95或TP99 )为例。
双精度[ ] scale=new double [ 2400 ]
int [ ] count container=new int [ 2400 ]
如上所示，我们创建了两个相同长度的数组。 其中
SCALE数组，包含表示相应耗时值的耗时占位符；
一个countContainer数组，包含需要时间的值的出现次数。 与SCALE序列一一对应
例如，如果SCALE[1024]的值为1025，countContainer[1024]的值为2050，则时间为1025的值为2050次。
因为虽然费时的值无限大，但我们不能囊括其中所有的值。 更现实地说，费时间的值大部分集中在某个地区。 因此，只需列出常用数值并使用步长进行控制即可。 具体方法如下。
SCALE数组索引0 ~ 999、内存1 ~ 1000、步骤1
SCALE数组索引1000 ~ 1899、存储器1010 ~ 10000、步骤10
SCALE数组索引1900 ~ 2399、存储器10100 ~ 60000、步骤100
计数容器数组索引0到0 ~ 2399全部初始化为0
其中，最大存储时间值为60000，表示60000毫秒或1分钟。
在记录需要时间t的情况下，假设t=1000，
如果通过计算发现在SCALE数组中具有匹配的时隙比特且SCALE[999]=1000，则相应的时隙比特的索引值为999；
在计数容器数组中，将计数容器[ 999 ]的值累计为1
循环步骤1和步骤2
如果要计算TP99的值，请停止步骤3，获取总记录数sum (计数容器数组中所有值的累加)，然后执行以下操作：
计算TP99的水位线，假设sum * 99%=waterline99
从countContainer[0]开始，从前到后累加数组的值。 或者，从countContainer[2399]开始，从后向前累加数组的值。
计数容器[0]计数容器[1]…如果计数容器[ target ]=waterline 99，则记录target索引
如果带target匹配SCALE数组中的相应槽位，则SCALE[target]为TP99的值
至此，TP99的计算完成。 此外，可以进行TP90、TP95、甚至TP50等同样的计算。