性能验收：十项指标、四维评分与季度复测

不能被复述的性能，等于没做过。

一、季度复盘桌上的一页纸

十月第一个周一，司南把十个数打印在一页 A4 上：左列阈值，中列三月，右列十月，右下角两个总分 1.90 和 4.03，满分都是 5。同事路过问，1.90 算什么水平。他说，算「知道自己慢，但不知道慢在哪一层」的水平。

这页纸不是仪表盘。仪表盘回答「现在多少」，验收要回答另外三个问题：这十个数够不够代表「快」，每一项的线画在哪，以及一年之后怎么证明它没退回去。

以下情境为教学假设，人物、引语和数字不代表经核实的真实案例。

十个数比一百张图有用。 图用来发现问题，数用来验收；一页纸放不下的指标，季度复盘时一定会被跳过。

没有阈值的指标只是观察项。 观察项可以无限多，验收项必须少到每次都能全部过一遍。

验收的对象是取舍，不是分数。 4.03 不代表好，只代表这一年 40 小时花在了能被检查的地方。

这页纸的背面还印着三样证据：二十格预算、四十小时的九项分配、二十六次发布的门禁记录；正面给结论，背面给结论的出处。

二、十项指标：三层，十条线

十项从年初的二十格预算里长出来：四条预算覆盖五条关键路径，再补上导出、第三方与两个成本口径，才够描述「快且不贵」。

十项里有四项直接来自预算。 LCP、首屏传输、API p95、列表页查询数就是年初那四条线；另外六项是把「快」翻译成「不贵」与「不退化」的补充，缺了它们，四项全绿也可能账单翻倍。

十项是四组的折中。 用户感知 3 项、服务响应 3 项、效率 2 项、成本 2 项，合计 10。再加 5 项，按每项 6 分钟（重跑加判读）算会多 30 分钟，复测从 1 小时变 1.5 小时；第一次拖延，这套验收就废了。

每项都要有采集点。 8 项来自运行与构建数据（RUM、监控、CDN 日志、门禁记录），2 项来自账单；没有采集点的指标，第二次复测时就会消失。

阈值只写一个数。 「LCP 尽量低于 2 秒」不是阈值，「≤ 2.0 s」才是；写成区间，人就会在边界上谈判。

成本两项互为校验。 118 美元 ÷ 620 千次 = 0.19 美元/千次，账单上限 150 ÷ 620 = 0.242 取整为 0.25；两个数一起看，才防得住「账单降了但请求涨得更快」。

三、四维评分：1.90 与 4.03

十项指标按四个维度加权，权重在年初定死：用户感知 0.30、服务响应 0.25、运行效率 0.25、成本 0.20。

指标分按 0–5 打，0.5 为最小刻度：1 是无测量，2 是有测量没阈值，3 是刚好达标，4 是余量 10–25%，5 是余量 25% 以上；维度分取组内指标分的平均，样本不足可在指标分上扣 0.5。

改前 1.90 = 0.30×2.0 + 0.25×2.0 + 0.25×2.0 + 0.20×1.5；改后 4.03 = 0.30×4.0 + 0.25×4.5 + 0.25×4.0 + 0.20×3.5，加权和 4.025 四舍五入。

四个维度分都是组内平均：用户感知 (4 + 4 + 4) ÷ 3 = 4.0，服务响应 (4 + 5 + 4.5) ÷ 3 = 4.5，运行效率 (3 + 5) ÷ 2 = 4.0，(3.5 + 3.5) ÷ 2 = 3.5。

四个维度不是四个部门。 一个人同时是前端、后端和财务，权重只是提醒他：这一小时该先修用户能感觉到的那一项，而不是自己最熟悉的那一项。

权重回答「先照顾谁」。 用户感知 0.30 最高，因为 344 个账号里 120 个付费，他们先感受到的是首屏；成本 0.20 最低，因为账单样本最短、波动最大，权重给高了，总分会跟着一个月的水电费跳。

2.0 不是差，是「有测量、没预算」。 改前三个维度都停在 2.0，说明数都在、线没画；成本 1.5 更低，因为每千次请求成本从来没算过。

扣分要写依据。 服务响应 4.5 而不是 5，因为导出异步只跑了六周；成本 3.5 而不是 4，因为只有一个完整月账单。分数能被追问，才值得被记录。

分数用来分配下一段时间。 最低的 3.5 在成本，下季度复测的第一件事就是把「其它 4 美元」拆成明细，而不是继续磨已经 4.5 的服务响应。

四、复测节奏：4 × 1 小时

每季度第一个周一，固定 60 分钟，不写代码，只重跑与判断。

• 0–30 分钟：重跑十项。合成测试 3 分钟（复用门禁脚本）、详情与导出抽查 7 分钟、账单与请求数导出 10 分钟、整理成表 10 分钟。
• 30–45 分钟：更新四维评分，每个维度写一句扣分或满分依据。
• 45–60 分钟：写下季度第一笔时间给谁，并判断阈值是否需要动。

复算：
改前 = 0.30×2.0 + 0.25×2.0 + 0.25×2.0 + 0.20×1.5
     = 0.60 + 0.50 + 0.50 + 0.30 = 1.90
改后 = 0.30×4.0 + 0.25×4.5 + 0.25×4.0 + 0.20×3.5
     = 1.20 + 1.125 + 1.00 + 0.70 = 4.025 ≈ 4.03
提升 = 4.025 − 1.90 = 2.125
复测 4 × 1 h = 4 h，占 40 h 的 4 ÷ 40 = 10%
全年 40 h = 诊断 5 + 首屏 5 + 查询 7 + 缓存 4 + 后台 4 + 第三方 3 + 账单 3 + 门禁 5 + 复测 4
40 ÷ 1,920 = 2.1%
每提升 1 分 = 40 ÷ 2.125 ≈ 18.8 h
年省 = (210 − 118) × 12 = 1,104 美元

复测要留下同一张表的四次快照。 每季一张，四张叠起来才是趋势；只存最后一版，等于每年重新开始。

季度而不是每月。 一年 26 次发布的门禁已经守住日粒度；复测看的是趋势与阈值本身。一个月看不出趋势，一年只看一次又太晚。

复测不写代码。 60 分钟里发现的问题一律进下季度待办；否则一次复测会变成一次加塞的优化，下一次就不敢排进日历。

阈值一年调一次。 调整必须有外部依据：预算变了、用户变了、关键路径变了；不能因为「这个季度没达标」就把线往下挪。

第四次复测多做一件事。 把四次的值排成一条线，看哪一项在原地踏步；那就是下一年的第一优先级。

五、行动清单与复算验收

• 十项指标各写一行：口径、阈值、采集点、当前值。
• 每项阈值只写一个数，不写区间。
• 四维权重在年初定死，年内不改。
• 每季度第一个周一固定 1 小时复测，写进日历。
• 复测只重跑不改代码，发现的问题进下季度待办。
• 评分低于 3.0 的维度，下一季度的第一笔时间给它。
• 阈值每年调一次，且必须有外部依据。
• 十项之外的新指标，先当观察项跑两个季度再转正。

验收标准：能在一页纸上说清十个数的阈值、当前值与总分；抽查两个维度，都能复算出加权分。

使用边界与实操验收

这套评分是内部工具，不用于对外宣传、排名或与别人比较。

评分卡不替代单次验收。 它一年只更新四次，发布前的判断仍然靠门禁；一个看趋势，一个看当次，两个都要有。

十项覆盖关键路径，不覆盖长尾。 设置页、帮助中心、内部工具都不在名单里；它们变慢不会进分数，但用户仍会碰到，所以每季度要问一句「有没有新路径该进来」。

合成测试与 RUM 口径不同。 复测用同一套脚本、同一批机器，比的是自己跟自己；换成另一套工具，同一个页面可能从达标变成不达标，那不是回归。

阈值不是行业标准。 2.0 s、200 KB、400 ms 是在 344 个账号、120 个付费、五条路径这个规模下的取舍；产品变了，线要重画。

样本量要写在结论旁边。 月账单只有一个完整月，RUM 是 30 天 12,600 条；样本短的项，扣分要扣，结论要留余地。

分数低不等于要立刻优化。 1.90 到 4.03 花了一年 40 小时；如果某年只剩 10 小时，应该只做诊断与缓存两项（5 + 4 = 9 h），而不是把十项都碰一遍。

关键参考与核验范围

• MDN: Web Performance ：用于说明首屏、加载与运行时性能的基本口径。
• Largest Contentful Paint ：用于说明 LCP 的测量对象与 p75 取值。
• FinOps Framework ：用于说明成本可见性、归因与优化的分层做法。
• AWS Well-Architected 成本优化支柱 ：用于说明单位成本指标与预算的关系。

以上链接于 2026-10-26 实测可公开访问；未核验版本、功能范围与政策更新。核验日期：2026-10-26。

范围上只讨论十项指标的选取、四维加权与季度复测节奏，不讨论行业基准排名、性能测试工具选型与云厂商报价。

系列导航

• 上一篇：性能回归与门禁：一次发布后 p95 从 320 到 980
• 回到目录：一个人的性能与账单：4.2 秒的首屏、一千二百次查询与每月 210 美元
• 相关阅读：质量验收：十项检查、四维评分与一次季度复盘