algorithm - 如何根据事件时间计算连续平滑事件率？

Question

基于连续的实时事件流（每个事件的时间很容易知道，但每个事件没有价值，它们都是相同的），如何编写一个过滤器/过程来输出连续平滑的事件率？所谓连续，我的意思是它可以例如绘制为图表，而不是每个事件的时间，而是提供有关每个特定时间的估计事件率的信息。我知道“平滑”可能是模棱两可的，但我正在寻找最简单的方法来使结果图看起来平滑。例如，每个事件不应该有任何大的峰值。

Answer 1

这可以通过移动平均线来实现。取最后 N 个事件，其中 N 是平均窗口的大小。计算这 N 个事件中的第一个和最后一个事件之间的时间差。如果您以秒为单位测量并且想要每分钟的事件率，那么您可以将 60 秒除以以秒表示的时间差，然后乘以 N-1。

currentAvgRate = (N-1) * 60 / (最后 N 个事件之间的时间差)

N 的值越大，曲线越平滑，但对局部变化的反应就越小。

Answer 2

通过平均。例如，每次您收到一个事件时，都将一个事件添加到一个。每秒删除 1/60 的 a。它会给你一个简单的平均值，滑动窗口约为一分钟。