日志截止时任务还没完成为何不能拿已观察时长算最终平均:保留持续时间下界并说明缺少的结果
截止记录不是完成事件
设三项虚构任务的统计表中,第一项完成耗时10秒,第二项完成耗时20秒,第三项在日志截止时已经运行30秒,但明确仍未完成。前两项记录的是最终时长,第三项只告诉我们最终时长会超过30秒。这三格虽然都写秒数,含义却不完全相同。
若直接计算(10+20+30)/3=20秒,再把它标为三项任务的最终平均耗时,就把尚未发生的完成事件补造出来了。算术本身没错,错的是把已观察到的部分当成了完整结果。
两种未来都与当前记录相容
假如第三项最后40秒完成,三项最终平均为70/3秒,约23.33秒。假如最后100秒才完成,平均为130/3秒,约43.33秒。两种情形都不违反“观察到30秒时尚未完成”的原始信息,却给出不同答案,因此现有日志不足以确定最终平均。
在没有给出最长持续时间或其他限制时,还可以构造更晚才完成的情形,所以不能从当前三项记录得出一个有限的最终平均上界。也不能因为只有一项未结束,就认为它对结果的影响一定很小。
能保留的是哪条确定信息
若后来第三项确实完成,设其最终时长为L且L大于30,平均为(30+L)/3,必然大于20。因此20可作为这里的下界,不是精确值;由于条件是仍未完成,等号也不该写成已经达到。
如果问题改为“截至当前已消耗的处理时间”,可以合计10、20、30这三个观察量,得到60秒,但这回答的是已发生的累计耗时,不是三个已完成样本的平均。报告名称应随统计对象改变,避免同一个数字被移用到另一种指标。
保存状态,不急着填完整结果
表格应分别保留观察时长、是否完成、截止时刻和之后能否补充真实完成记录。统计只在已有证据支持的范围内表达下界或未确定,不用零、估计完成时间或当前时长覆盖原始状态。本文是有限数据的逻辑检查,没有假定任务分布,也没有据此估计真实服务器性能或修改运行日志。