Update PROFILING_CUBE.md

doc/PROFILING_CUBE.md

@@ -40,7 +40,7 @@ I1014 12:57:20.699692    38 ctr_prediction_op.cpp:169] Average 1.12746us/key
 
 假设Paddle Serving所在云服务器上CPU核数为4，则Paddle Serving本身默认会启动4个worker线程。在client端发送4个并发情况下，Serving端约为占满4个CPU核。但由于Serving又要启动新的channel/thread来访问cube（采用的是异步模式），这些和Serving本身的server端代码共用bthread资源，因此就会出现竞争的情况。
 
-以下是在Serving端不同并发请求数时，访问cube的平均响应时间
+以下是在Serving端不同并发请求数时，访问cube的平均响应时间 (1000key/req，分片数=1)
 
 线程数 | 访问cube的平均响应时间 (us)
 -------|-------
@@ -54,7 +54,7 @@ I1014 12:57:20.699692    38 ctr_prediction_op.cpp:169] Average 1.12746us/key
 
 假设分片数为N，每次cube访问，都会生成N个channel，每个来对应一个分片的请求，这些channel和Serving内其他工作线程共用bthread资源。
 
-以下是同一份词典分成1个分片和2个分片，serving端访问cube的平均响应时间
+以下是同一份词典分成1个分片和2个分片，serving端访问cube的平均响应时间 (1300key/req)
 
 分片数 | 访问cube的平均响应时间 (us)
 -------|--------------------------
@@ -63,7 +63,7 @@ I1014 12:57:20.699692    38 ctr_prediction_op.cpp:169] Average 1.12746us/key
 
 3) 网络环境
 
-百度云平台上机器间ping的时延平均为0.3ms - 0.5ms，在batch为1300个key时，平均响应时间为1450us
+百度云平台上机器间ping的时延平均为0.3ms - 0.5ms，在batch为1000个key时，平均响应时间为1450us
 
 Paddle Serving发布的[cube社区版本性能报告](https://github.com/PaddlePaddle/Serving/blob/develop/cube/doc/performance.md)中给出的机器间ping时延为0.06ms，在batch为1000个key时，平均响应时间为675us/req