像麦肯锡和高盛这样的精英专业公司会刻意进行人才流动,一项最新研究解释了这种“流动”并非缺陷,而是一种战略体系。这些公司充当中间人,比客户更能准确地评估员工能力。它们通过提供声望来吸引顶尖人才,即使起薪较低,因为它们知道表现最终会公开可见。 在早期的“平静期”,公司会以标准工资保留表现合格的员工——公司的声誉表明他们的质量。然而,随着员工积累经验,公司的信息优势会减弱。为了保持声誉并提取价值,公司会战略性地释放出中等技能的员工。 这种“流动”并非被解雇员工失败的标志;他们之前与顶尖公司的关联*提升*了他们的市场竞争力。留下的员工接受较低的工资,担心被取代,从而进一步提高公司的盈利能力。这创造了一种悖论性的平衡,长期内使公司和员工都受益,有效地揭示和奖励真正的才能,同时缩小公司和客户之间的信息差距。
## 重新思考延迟测量
传统的延迟测量往往具有误导性。吉尔·特尼(Gil Tene)的研究表明,依赖平均值、中位数甚至标准差无法很好地理解系统的真实行为,因为延迟分布很少是正态分布。相反,应该关注*整个*分布,特别是“尾部延迟”——那些不常见但影响重大的缓慢响应。
一个关键问题是**协同省略**:大多数工具在测量过程中无意中隐藏了不良数据,从而产生虚假乐观的图景。当测试没有考虑到比预期更长的操作时间,或者长时间操作被更快的操作掩盖时,就会发生这种情况。仅仅查看95%或99%的分位数也可能掩盖关键问题,因为它们仅代表用户体验的一小部分。
为了准确评估延迟,需要在不同的负载下进行测量,定义服务级别协议(SLAs),并使用像HdrHistogram这样的工具,它避免了协同省略并允许进行详细的分布分析。记住,延迟不仅仅是*服务时间*,也是*响应时间*——用户实际等待的时间。忽略最大值是一个错误;它们表明了真正的问题,而不仅仅是噪音。最终,理解延迟需要超越便捷的图表,拥抱一种更细致、数据驱动的方法。