Разработка сравнения производительности библиотеки тесты

Я готовился провести серию сравнений производительности различных готовых продуктов.

Что мне нужно сделать, чтобы продемонстрировать надежность на тестах? Как мне разработать свои тесты производительности, чтобы они были респектабельными?

Меня также интересуют любые предложения по фактическому дизайну тестов. Способы загрузки данных без выполнения тестов (принцип неопределенности Гейзенберга) или способы мониторинга ... etc