P95 en P99 brengen trage verzoeken aan het licht die door een gemiddelde waarde kunnen worden gemaskeerd. Een P95 beschrijft, eenvoudig gezegd, de duur die ongeveer 95 procent van de geselecteerde verzoeken niet overschrijdt. Wat hiermee precies wordt bedoeld, hangt af van het meetpunt, de periode en het aantal geregistreerde verzoeken. Histogrammen leveren hiervoor schattingen waarvan de nauwkeurigheid afhangt van hun resolutie. Voor een betrouwbaar beeld van de bedrijfsvoering horen ook het verzoekvolume en het foutenpercentage daarbij; een percentiel op zich verklaart noch de oorzaak van een vertraging, noch de ervaring van individuele personen.
Wat de latentie-meting registreert
Een latentie-indicator is alleen begrijpelijk als jullie Meetpunt staat vast. Een reverse proxy kan de duur van een verzoek registreren op het moment dat het de proxy passeert; een applicatie meet daarentegen een deel binnen haar eigen verwerking. Welke stappen hierin zijn opgenomen, hangt af van waar de meting begint en eindigt.
Een meting in de browser kan bovendien delen van het traject tussen client en server en de verwerking aan de clientzijde registreren. Ook hier bepaalt de concrete instrumentatie het begin en het einde. Een lage serverlatentie op zich bewijst daarom nog niet dat een pagina in de browser snel bruikbaar is: de netwerkoverdracht en de verwerking op het eindapparaat kunnen nog extra tijd in beslag nemen.
Leg ook de Populatie Geef aan: gaat het om alle verzoeken van een dienst of om een specifiek eindpunt? Een algemene verdeling kan er anders uitzien dan die van een afzonderlijk eindpunt. Geef bovendien aan of de analyse betrekking heeft op een voortschrijdend venster van vijf minuten of op een langere periode, en of de waarden in seconden of milliseconden worden weergegeven.
Zowel geslaagde als mislukte verzoeken maken eveneens deel uit van de definitie. Een snel gerapporteerde fout kan de latentieverdeling verbeteren, ook al heeft het verzoek zijn bestemming niet bereikt. Afzonderlijke overzichten voor succes en fouten helpen om deze gevallen te herkennen; bovendien blijft het foutenpercentage een op zichzelf staande prestatie-indicator.
De OpenTelemetry-conventie in de ontwikkelingsbranch beschrijft voor HTTP-servers een histogram van de verzoekduur in seconden. Dit betekent niet dat een bepaalde geïnstalleerde versie dit ondersteunt of onder dezelfde naam exporteert. Controleer in je omgeving de daadwerkelijke naam van de metriek en de beschikbare attributen voordat je er een dashboard op baseert.
P95 en P99 correct aflezen
A percentiel beschrijft een grens binnen de geselecteerde verdeling. Als P95 400 milliseconden bedraagt, is, eenvoudig gezegd, ongeveer 95 procent van de in aanmerking genomen verzoekduur maximaal zo lang. P99 verschuift de focus verder naar de langzamere kant: het beschrijft dienovereenkomstig de grens voor ongeveer 99 procent van de waarnemingen.
| Sleutelfiguur | Verklaring | Beperking van de uitspraak |
|---|---|---|
| gemiddelde | Som van de duur gedeeld door het aantal verzoeken | Verbergt de verdeling van afzonderlijke snelle en langzame verzoeken |
| P50 | Grens voor ongeveer de helft van de waargenomen duur | Geeft niet aan hoe traag het bovenste deel is |
| P95 | Grens voor ongeveer 95 procent van de waargenomen duurduren | Langzamere waarnemingen boven de grens blijven in een afzonderlijke waarde onzichtbaar |
| P99 | Grens voor ongeveer 99 procent van de waargenomen duur | Kan bij een klein aantal waarnemingen sterk afhangen van afzonderlijke waarden |
Deze percentages hebben betrekking op meetwaarden, niet rechtstreeks op personen of sessies. De ene persoon kan meerdere verzoeken genereren, terwijl een ander er slechts één verstuurt. Uit een P99 alleen kan daarom niet worden afgeleid dat één procent van de gebruikers een trage sessie heeft ervaren.
De exacte grens hangt bovendien af van de berekeningsmethode. Bij gelijke meetwaarden of wanneer de gewenste positie tussen twee waarnemingen ligt, kunnen verschillende kwantieldefinities tot verschillende selecties of interpolaties leiden. Bij geschatte histogramwaarden komt daar nog de indeling in buckets bij; een weergegeven waarde is daarom niet altijd een daadwerkelijk waargenomen individuele duur.
Bij het monitoren van hosting behoren het verzoekvolume en het foutenpercentage tot het percentiel. Dezelfde P99-waarde moet bij weinig verzoeken anders worden geïnterpreteerd dan bij veel verzoeken; zonder volume is de stabiliteit ervan moeilijk in te schatten. Het foutenpercentage laat bovendien een aspect zien dat een loutere verdeling over de tijd niet betrouwbaar weergeeft.
Hoe histogrammen percentielen schatten
Een klassiek Prometheus-histogram slaat geen gesorteerde lijst van alle verzoekduur op. Het telt waarnemingen in cumulatieve buckets: Een bucket met een bepaalde bovengrens omvat ook waarnemingen die al in lagere buckets vallen. Aan de hand van deze tellingen kan worden ingeschat in welk deel van de verdeling een bepaald percentiel zich bevindt.
Stel dat de gezochte positie tussen 200 en 500 milliseconden ligt. Het histogram laat zien hoeveel waarnemingen tot aan deze grenzen zijn geteld, maar niet hun exacte verdeling daartussen. Voor klassieke histogrammen schat Prometheus de positie binnen deze bucket door middel van lineaire interpolatie.
Deze schatting kan afwijken van de werkelijke individuele waarden. Met name een brede bandbreedte rond een operationeel belangrijke drempelwaarde laat veel ruimte voor onzekerheid: de waarnemingen zouden binnen dat bereik anders verdeeld kunnen zijn dan bij de interpolatie is aangenomen. Strakkere grenzen in relevante bereiken verbeteren de resolutie, maar vergen extra gegevensverwerking.
Native histogrammen maken gebruik van een andere weergave dan de klassieke bucket-tijdreeksen. Ook hun kwantielen zijn schattingen; de Interpolatie Dat hangt af van het gebruikte schema en de bucket. Klassieke en native histogrammen mogen daarom niet worden behandeld alsof ze dezelfde opslag hebben en altijd dezelfde interpolatieregels hanteren.
Quantile kan al tijdens het geïnstrumenteerde proces een samenvatting berekenen. Deze kant-en-klare kwantielwaarden kunnen echter achteraf niet meer worden samengevoegd tot een correct totaalquantil van meerdere processen. Voor een gezamenlijke evaluatie van instanties vormen aggregeerbare histogramgegevens daarom vaak de geschiktere basis; de bucketgrenzen moeten daarbij aansluiten bij de gewenste samenvatting.
Wanneer het gemiddelde uitschieters verbergt
Illustratief rekenvoorbeeld, geen meting: binnen een bepaald tijdsbestek duren 95 verzoeken elk 100 milliseconden en vijf andere elk 2.000 milliseconden. Alle 100 waarnemingen behoren tot dezelfde geselecteerde populatie. Het voorbeeld dient om kengetallen te vergelijken en is geen prestatiebewijs voor een hostingsysteem.
Voor de percentielen gebruiken we hier een concrete Selectieregel: Gezocht wordt telkens naar de kleinste waargenomen waarde waarbij ten minste het opgegeven percentage van de verzoeken ligt of daaronder blijft. Gesorteerd staan er eerst 95 waarden van 100 milliseconden en daarna vijf waarden van 2.000 milliseconden.
| Sleutelfiguur | Berekening of keuze | Resultaat |
|---|---|---|
| gemiddelde | (95 × 100 ms + 5 × 2.000 ms) / 100 | 195 ms |
| P95 | 95. gesorteerde waarde | 100 ms |
| P99 | 99. gesorteerde waarde | 2.000 ms |
De gemiddelde ligt aanzienlijk onder de duur van de vijf trage verzoeken. Hij verdeelt de extra tijd daarvan rekenkundig over alle waarnemingen. Wie alleen naar deze waarde kijkt, ziet daarom noch de duur van de trage verzoeken, noch direct hoeveel daarvan hierdoor worden beïnvloed.
P95 bedraagt hier 100 milliseconden, hoewel vijf procent van de verzoeken 20 keer zo lang duurt. De trage waarnemingen liggen net boven de gekozen P95-grens; P99 maakt ze in dit voorbeeld zichtbaar. Dat betekent niet dat P99 in het algemeen elke relevante vertraging registreert.
Andere kwantieldefinities kunnen tussen gesorteerde waarden interpoleren en daardoor andere resultaten opleveren. Ook een percentiel dat op basis van histogramcategorieën is geschat, hoeft niet overeen te komen met de selectie uit afzonderlijke waarden. Voor de interpretatie moeten daarom de berekeningsmethode, het aantal aanvragen en het beschouwde tijdsvenster bij de weergegeven waarde worden betrokken.
P95 opvragen met PromQL
Voor de volgende query heb je toegang nodig tot een Prometheus-gegevensbron en een daadwerkelijk bestaand klassiek histogram voor verzoekduur. Voer de uitdrukking in de Prometheus-uitdrukkingsbrowser of in een Grafana-queryveld voor Prometheus in. De query leest bestaande tijdreeksen; het is geen terminalopdracht en ook geen configuratiewijziging.
De naam van de statistiek is een plaatshouder. Vervang deze indien nodig door de naam van je instrumentatie en controleer of de geselecteerde tijdreeksen compatibele bucketgrenzen hebben. Het voorbeeld voert een aggregatie uit over alle overige labels zonder extra filters en levert dus alleen de gewenste totaalwaarde op als deze selectie overeenkomt met je operationele vraag.
Eerst berekend rate uit de cumulatieve bucket-tellers: hun verandering over het voortschrijdend venster van vijf minuten. Vervolgens wordt opgeteld sum by (le) de percentages over de overige labels. Door deze volgorde kan bij de berekening van de percentages rekening worden gehouden met het terugzetten van tellers van afzonderlijke tijdreeksen.
Het label le blijft behouden: het geeft de bovengrens van de betreffende bucket aan. Op basis van de samengevoegde verdeling wordt geschat histogram_quantile de Totaal P95. Bij de hier gehanteerde secondenmaat wordt het resultaat ook in seconden weergegeven; 0,4 komt dus overeen met 400 milliseconden.
Voor P99 vervang je de eerste parameter 0.95 via 0.99. Met de juiste label-filters kun je bijvoorbeeld een dienst selecteren; extra groeperingslabels maken het mogelijk om de resultaten te scheiden. Controleer telkens welke zoekopdrachten worden meegenomen en of de bucket-resolutie voldoende is voor het betreffende gebied.
Voor native histogrammen geldt een andere query-syntaxis: u gebruikt niet de klassieke afzonderlijke _bucket-serie met le. Of er native histogrammen beschikbaar zijn en hoe deze kunnen worden geëxporteerd, hangt af van de gebruikte componenten en versies.
Instanties en aanvraaggroepen vergelijken
Een gezamenlijke P99-waarde voor cache-treffers en dynamische aanroepen geeft antwoord op de vraag wat de totale omvang is van de geselecteerde verzoeken. Het verklaart echter niet welke groep is veranderd. Als het aandeel snelle cache-treffers verschuift, kan ook de totale waarde veranderen, zonder dat elke afzonderlijke groep per se trager is geworden.
Voeg daarom aan de totale waarde afzonderlijke weergaven toe voor vakgerelateerde Aanvraaggroepen, mits er geschikte labels beschikbaar zijn. Een beperkte routeaanduiding of een cache-status kan hiervoor nuttig zijn. Individuele URL’s of gebruikers-ID’s als labels kunnen daarentegen heel veel tijdreeksen opleveren; kies dimensies zo dat ze een concrete vraag beantwoorden.
Voor een totaalpercentiel over meerdere instanties worden bij compatibele klassieke histogrammen eerst de bucket-tellers, respectievelijk hun frequenties per grens, samengevoegd. Pas op basis van deze gezamenlijke verdeling wordt het kwantiel geschat. Het gemiddelde nemen van de P99-waarden van afzonderlijke instanties levert over het algemeen geen correcte totale P99 op, omdat de verdelingen en het aantal verzoeken kunnen verschillen.
| Gegevensvorm | Aggregatie en nauwkeurigheid | Gegevensverwerking |
|---|---|---|
| Histogram | Compatibele buckets kunnen worden samengevoegd; kwantielen geschat, nauwkeurigheid afhankelijk van resolutie en weergave | Tijdreeksen of histogramgegevens per gekozen resolutie en labelcombinatie |
| Samenvatting | De tijdens het proces berekende kwantielen kunnen niet tot één totaal kwantiel worden samengevoegd; de nauwkeurigheid is afhankelijk van de configuratie | Kwantielberekening in het proces en tijdreeksen voor geconfigureerde kwantielen |
| Afzonderlijke gebeurtenissen | Gezamenlijke evaluatie is mogelijk als er relevante individuele waarden beschikbaar zijn; het resultaat is afhankelijk van de gekozen kwantielmethode | Mogelijk één gegevensset per aanvraag; het opslaan en analyseren kan veel werk vergen |
A Samenvatting kan nuttig zijn om inzicht te krijgen in een afzonderlijk proces. De kwantielen die daar al zijn berekend, kunnen echter achteraf niet worden samengevoegd tot een correct kwantiel voor alle gevallen. Afzonderlijke gebeurtenissen bieden een ander detailniveau, maar vereisen wel dat de benodigde waarnemingen daadwerkelijk zijn geregistreerd en beschikbaar zijn.
Latentiedoelen en alarmen instellen
Een latentiedoelstelling kan pas worden getoetst aan de hand van een duidelijk gedefinieerde populatie. „95 procent van de geselecteerde verzoeken duurt maximaal 300 milliseconden“ vereist daarom informatie over het meetpunt, de betrokken eindpunten en de evaluatieperiode. Een venster van vijf minuten geeft antwoord op een andere operationele vraag dan een dagvenster.
Voor de Drempelpercentage deel je het aantal waarnemingen tot en met 300 milliseconden door het totale aantal waarnemingen. Bij een klassiek histogram levert een bucket met precies deze grens de juiste teller op; voor een tijdvenster gebruik je de bijbehorende tellerwijzigingen of frequenties. Het aandeel laat direct zien of de gekozen drempelwaarde in het venster is bereikt.
Als er geen bucketgrens van 300 milliseconden is, kan het exacte aandeel niet uitsluitend op basis van de bucket-tellers worden bepaald. De geschatte P95 kan niettemin een indicatie geven, maar de nauwkeurigheid ervan hangt af van de verdeling en de bucketgrenzen. Voor een belangrijke streefwaarde is het daarom de moeite waard om de histogramconfiguratie vooraf te controleren.
Leg bovendien uitdrukkelijk vast hoe fouten in de doelstelling worden meegenomen. Een snel beantwoord foutbericht mag niet zonder meer als een goede gebruikerservaring worden beschouwd; afhankelijk van de definitie van de doelstelling kunnen fouten bijvoorbeeld apart worden bijgehouden of als negatieve gebeurtenissen worden aangemerkt. Het is van cruciaal belang dat de teller en de noemer aansluiten bij de gekozen definitie.
A Alarmduur voorkomt dat elke kleine schommeling onmiddellijk een melding activeert. Stel een minimumaantal waarnemingen in, zodat een klein aantal afzonderlijke verzoeken niet onevenredig zwaar meeweegt bij het afgeven van een alarm. Beide waarden moeten in overeenstemming zijn met het verkeersvolume en de urgentie van de dienst; ontbrekende gegevens moeten apart worden behandeld.
In het dashboard is het handig om het doelpercentage, het aantal verzoeken en het foutenpercentage naast elkaar weer te geven. Zo kan worden vastgesteld of een afwijking van het doel betrekking heeft op veel verzoeken of slechts op een klein aantal. Een alarm moet bovendien duidelijk maken welke selectie en welke periode aanleiding hebben gegeven tot de melding.
Stijgende percentielen systematisch onderzoeken
Als de P99 stijgt, controleer dan eerst het aanvraagvolume en de Mix van eindpunten. Meer langzame dynamische verzoeken kunnen de totale waarde beïnvloeden, zelfs als de duur van elke afzonderlijke groep verzoeken nauwelijks is veranderd. Omgekeerd kan een afname van snelle verzoeken het aandeel van langzamere verzoeken doen toenemen.
Vergelijk vervolgens afzonderlijke overzichten op basis van route en statusgroep, voor zover de instrumentatie deze labels beschikbaar stelt. Een opvallende route kan de zoekopdracht verfijnen; afzonderlijke foutgroepen laten bovendien zien of snelle of trage foutmeldingen de verdeling beïnvloeden. Gebruik indien mogelijk beperkte routecategorieën in plaats van individuele URL's of gebruikers-ID's.
Bekijk vervolgens tegelijkertijd de belasting, wachtrijen, databasetijd en foutpercentage in dezelfde periode. Een groeiende wachtrij in combinatie met een stijgende P99 is een aanknopingspunt voor onderzoek, maar nog geen bewijs dat deze de vertraging veroorzaakt. Controleer ook of de statistieken betrekking hebben op dezelfde dienst en vergelijkbare groepen verzoeken.
Dit helpt bij afzonderlijke trage processen Sporen en zorgvuldig geselecteerde logbestanden, voor zover deze beschikbaar zijn en verband houden met de context van de verzoek. Een trace kan bijvoorbeeld laten zien welk deel van het verzoektraject veel tijd in beslag neemt. Of dit deel daadwerkelijk de oorzaak is, moet vervolgens aan de hand van verdere observaties worden gecontroleerd.
Hoe statistieken, logbestanden en traces elkaar aanvullen bij openstaande operationele vraagstukken, wordt uitgelegd in het artikel over Observability bij hosting. Voor wachtrijen geldt ook het Mail wachtrij bewaking een verwant gebruiksscenario: daar gaat het om het verzenden van berichten, niet direct om de latentie van een HTTP-verzoek.
Noteer bij elke vergelijking welke tijdsvensters en meetpunten erbij betrokken zijn. Een gelijktijdige hoge databaselooptijd en serverlatentie kan een nader onderzoek rechtvaardigen, maar een tijdscorrelatie op zich bewijst nog geen oorzakelijk verband. Ook veranderingen in het verkeer of in de instrumentatie kunnen het waargenomen beeld beïnvloeden.
Gegevenskwaliteit en operationele beslissingen
Bij weinig verkeer reageert P99 sterk op afzonderlijke waarnemingen. Tien verzoeken in één venster leveren geen even stabiele classificatie op als een groot aantal verzoeken; geef daarom het aantal waarnemingen naast het percentiel weer. Voor alarmen kan een minimum aantal helpen om de relevantie in aanmerking te nemen, zonder dat weinig gebruikte diensten volledig uit de monitoring worden gehaald.
A leeg venster betekent dat er geen verzoeken zijn waargenomen en dat de latentie niet nul milliseconden bedraagt. Geef ontbrekende of niet-gedefinieerde waarden in het dashboard op de juiste manier weer en bepaal apart of het uitblijven van verkeer op zich al een probleem is. Zo wordt een gebrek aan gegevens niet per ongeluk geïnterpreteerd als een bijzonder snelle reactie.
Ook tijdsperioden kunnen niet willekeurig worden samengevoegd: een P99 over vijf minuten beschrijft een ander tijdsvenster dan een dagelijkse P99. Het gemiddelde van afzonderlijke P99-waarden per minuut levert over het algemeen geen dag-P99 op. Voor de dagelijkse analyse heb je de onderliggende, aggregeerbare verdelingsgegevens over de gewenste periode nodig.
De Bucket-resolutie bepaalt in hoeverre een histogram de betreffende grens nauwkeurig kan weergeven. Fijnere grenzen kunnen de schatting in het relevante bereik verbeteren, maar vereisen bij klassieke histogrammen extra tijdreeksen en dus meer geheugen. Weeg deze inspanning af tegen het nut voor de concrete bedrijfsbeslissing.
Voor de lopende beoordeling vullen de kengetallen elkaar aan: het gemiddelde geeft de gemiddelde duur weer, P95 en P99 brengen trage segmenten aan het licht en het drempelpercentage geeft een antwoord op een concreet gedefinieerde latentiedoelstelling. Het aantal verzoeken en het foutenpercentage bieden de context om deze waarden in te schatten. Geen enkele afzonderlijke kengetallen kan de controle van meetpunten, tijdsperiode en gegevenskwaliteit vervangen.
Bronnen en stand van zaken op vakgebied
Stand van het onderzoek:
Onderzoeksbasis van 16 november 2026; OpenTelemetry-conventies uit de ontwikkelingsbranch vormen geen garantie voor geïnstalleerde versies.
https://sre.google/workbook/monitoring/
https://prometheus.io/docs/practices/histograms/
https://github.com/open-telemetry/semantic-conventions/blob/main/docs/http/http-metrics.md
https://prometheus.io/docs/specs/native_histograms/
https://grafana.com/docs/grafana/latest/datasources/prometheus/query-editor/




