我们应该在小学还是初中应该就知道了「田忌赛马」的故事，今天发生的事与这有关。

同事重构了一段代码，想要观察与重构前相比的性能变化，于是他写了这样一段逻辑：

用旧版和新版跑一段相同的输入，然后输出出处理每条数据的耗时。

将所有耗时放在一个数组里，排序后输出统计信息（比如平均数、各百分位数）

然后他惊人地发现，在一个百分位数之前，是旧版的速度更快；而在这个百分位数之后，都是新版的速度更快。就平均数而言，也是新版的更快。

从代码上分析，理应新版是更快的。那么究竟新版和旧版谁更快呢？为什么会有好几个百分位数都是旧版更快呢？

他百思不得其解，觉得这似乎是一种灵异事件。于是求助于我。

我一看，也觉得十分奇怪。了解了他的逻辑之后，建议他不要分别统计两组耗时的统计信息，而是不要排序（也就是逐条对应，这样每对耗时都是对应同一个输入情况的），直接用新版减去旧版，然后对这个从旧版到新版耗时的变化进行统计。

这个时候结果就很明显了：只有最大的百分位是正数，其他都是负数。那么我们很明显就知道了具体的情况：新版整体上都比旧版快，但是会有一些 jitter。

那么在知道了这个的情况下，再回头看看刚刚的「灵异事件」，就能发现这本质上是一种「田忌赛马」了。不妨让我来举个例子。

为了简化讨论，我们不妨设排序后旧版耗时是 [2, 4, 6, 8, 10]，新版从代码上说理应比旧版快，理想情况是 [1, 3, 5, 7, 9]，这样进行统计，结论显然是新版处理所有输入耗时都更短。

但是，如果我们出现了 jitter，比如这个 1 变成了 10，那么我们排序后新版耗时就是 [3, 5, 7, 9, 10]。这样再进行统计的话，我们就能得到意外的结论：新版处理所有输入耗时都更长。但是实际的情况呢？是对于大部分情况都比旧版要快，只是偶尔有 jitter 而已。

因为对应关系被打乱了，而导致了完全相反的结论！这完全就是「田忌赛马」的味道！

事情的后续就是同事知道了 jitter 的存在，从而进行了相应的修复，于是新版的性能稳定比旧版表现好。

可喜可贺。