Algorithm 考虑到最新更新，动态集的装箱零件

有一大组物体。集合是动态的：可以随时添加或删除对象。让我们把对象的总数称为N

每个对象都有两个属性：上次更新的质量（M）和时间（T）

每X分钟应选择一小批进行处理，将其T更新为当前时间。一个批次中所有对象的总数量限制为：不超过L

我希望在此解决三项任务：

找到下一批对象拾取算法

引入对象类：简单、优先级（至少适合每个第n批）和频繁（适合每个批）

预测系统容量消耗（添加下一个服务器的时间=增加L）

什么样的模型最能描述这样的系统？

整个过程都是关于一个按时间间隔处理“对象”的服务。每N小时应“测量”一次每个物体。N可以在一个范围内变化。X是固定的

对象由人类添加/删除。N呈指数增长，相当缓慢，有些峰值是由发布引起的。当然，预测并不精确，只是一些估计。M在0到1E7之间变化，呈指数分布，大多数接近0

我发现这里有几种策略：

A.全速-将每批产品包装至接近100%。随着N的增长，特定对象命中的平均间隔将增长

B.equal气质：）-试着在某个值附近保持一个平均间隔。批次填充级别将从某个较低级别开始增长。当它接近100%时——是时候获得更多的服务器了

---

我认为答案A是好的。装箱是为了最大化或最小化，而您只有一批货。按m和n对对象进行排序。

这是一个针对您的问题的完整设计

您的问题与您对该系统的描述不符。所以我假设描述是准确的

当您计划测量时，您应该在第一次测量对象时通过该对象，并且在您希望测量发生时通过该对象。对象应具有

权重

属性和

测量方法。当测量发生时，将调用
measured
方法，类之间的区别在于它们是否以及使用什么参数重新安排自己的时间

在内部，您将需要几个优先级队列。有关如何实现的详细信息，请参阅

第一个队列是测量发生的时间，即所有尚无法测量的对象。每次你安排一个批次时，你都会用它来找到所有可能发生的新测量值

第二个队列是准备就绪的度量值，按照它们应该发生的调度周期和权重进行组织。我会让他们两个都上升。您可以通过从队列中提取项目来安排批处理，直到您有足够的时间发送

现在你需要知道每批要放多少。考虑到您所描述的系统，事件峰值可以手动输入，但随着时间的推移，您希望这些峰值能够平滑。因此，我建议选择B，同等气质。因此，要做到这一点，当您将每个对象放入“ready now”队列时，您可以计算其“平均工作重量”，即其重量除以假定发生之前的周期数。将其与对象一起存储，并将运行总速率保持在您应该处于的运行速率。我建议您在每段时间内继续添加到批次中，直到满足以下三个条件之一：

对象用完了
您达到了最大批量容量
你的跑步总量超过你平均工作体重的1.1倍。额外的10%是因为现在使用更多的容量比以后用完容量要好
最后是产能规划

为此，您需要使用一些启发式方法。这是一个合理的方案，可能需要对您的系统进行一些调整。保存过去10次测量的平均工作重量的跑步总量。保持“高水位线的指数衰减平均值”。根据以下公式进行每次更新：

平均高水位线
=0.95*平均高水位线
+最大0.5*次（最后10次运行工作重量）

如果
average\u high\u water\u mark
在您最大容量的2台服务器内，则添加更多服务器。（我们的想法是，服务器应该能够在不让您使用软管的情况下死亡。）
谢谢您，本！感谢您详细周到的回答。我正在根据你的描述建立一个模型来模拟数字和可能的条件。