基于连续的实时事件流（每个事件的时间容易获知，但每个事件都没有值，它们都是相同的），如何编写一个过滤器/处理器，以输出连续平滑的事件速率？所谓连续，是指可以将其绘制为图形，而不仅仅是每个事件的时间，它会在特定时间提供有关估计事件速率的信息。
我知道“平滑”可能有歧义，但我正在寻找最简单的方法来使生成的图表看起来平滑。例如，在每个事件中不应该有任何大的峰值。
2个回答
2
通过取平均值。例如，每次出现事件时将a加1，每秒钟减去1/60的a。这将给您一个简单的平均值，滑动窗口约为一分钟。
- Markus Mikkolainen
4
每次收到一个事件，就将a加1 - 这将在每个事件发生时产生峰值，我希望避免这些峰值。 - Cray
除非您的事件非常罕见，否则很少会出现尖峰。 - Markus Mikkolainen
2如果你想要一个高端的解决方案，也许可以设计一个卡尔曼滤波器来近似事件率？ - Markus Mikkolainen
这个解决方案根本不起作用。除非你从一个好的近似值a开始，否则需要很多事件才能收敛到正确的速率。假设你每秒有一个事件，并且你从a = 0开始，你需要350个事件才能在3％内接近正确的速率值，即每秒1次。 - scharette
2
这可以通过移动平均实现。取最后N个事件，其中N是您的平均窗口的大小。计算这N个事件中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希望以每分钟事件数的速率计算，则应将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值越大，曲线就越平滑，但对局部变化的反应也越小。
- scharette
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接