【发布时间】：2012-07-31 00:59:45
【问题描述】：
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成一个图表，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发生率的信息。 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。
【问题讨论】：
标签： algorithm
【发布时间】：2012-07-31 00:59:45
【问题描述】：
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。
【讨论】：
-
“每次你得到一个事件都加一个” - 这会在每个事件发生时产生峰值，我提到的那些我想避免。
-
很少出现峰值，除非您的事件非常罕见。
-
如果你想要一个花哨的解决方案，也许设计一个卡尔曼滤波器来近似事件率？
-
这个解决方案根本不起作用。除非您从 a 的良好近似值开始，否则将需要许多事件才能收敛到正确的速率。假设您每秒有一个事件，并且从 a = 0 开始，您将需要 350 个事件，直到您获得正确速率值（即 1/秒）的 3% 以内。
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速率，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 /（最近 N 个事件之间的时间差）
N 值越大，曲线越平滑，但对局部变化的反应越小。
【讨论】：