哎，跑了五天半还没结束，确实挺熬人的，我来给你几个实际可行的估算思路：

• 先抓算法的进度线索：你用的是bnlearn里的哪款结构学习算法？比如Hill-Climbing（hc()）、PC-Stable（pc.stable()）还是MMHC这类混合算法？不同算法的运行逻辑差异很大，比如PC算法会逐步执行条件独立性测试，部分版本会输出中间步骤的日志；如果是Hill-Climbing这类搜索算法，要是当初跑的时候没开进度追踪，现在可以考虑暂时中断（记得保存当前进度！），加上progress参数或者用R的progress包来监控后续进度——当然，要是不想中断当前进程，就往下看其他方法。

• 小样本测试推算（腾出手时试试）：找个和你的数据同分布的小子集，比如抽100个节点，用完全一致的参数跑一遍，记录下耗时。然后根据算法的时间复杂度放大估算：比如PC算法的时间复杂度大概是O(n⁴)（n为节点数），那2500节点的耗时就是100节点耗时的(2500/100)⁴=390625倍；要是用Hill-Climbing，复杂度大概是O(n²)，那就是25²=625倍。不过要注意，这个方法的前提是小样本和全样本的资源占用一致（比如内存充足，没用到虚拟内存），而且样本量也会影响实际耗时，所以只能做大致参考。

• 监控系统资源利用率：打开电脑的任务管理器（Windows）或者活动监视器（Mac），观察CPU和内存的使用情况：

  • 如果CPU一直单核心满负荷（很多bnlearn算法默认单线程，除非你加了ncores参数），说明算法在全力运行，没有资源瓶颈；
  • 如果内存占用接近16GB，甚至开始使用虚拟内存（页面文件/交换空间），那速度会大幅变慢，这种情况下剩余时间很难精准估算，因为虚拟内存的读写速度比RAM慢太多。

• 估算已完成任务比例：要是你能从R控制台或日志里看到中间输出（比如PC算法里的“testing independence between X and Y”这类信息），可以大致数一下已完成的测试数，对比总测试数（2500节点的话，总节点对是2500*(2500-1)/2=3,123,750对），用已完成的比例推算总时长，再减去已经用掉的5.5天。

另外，要是当初没开多线程，其实可以试试给算法加ncores参数（比如hc(..., ncores = 4)），把多核CPU利用起来，能大幅缩短剩余时间——不过前提是你能中断当前进程重新跑，得权衡一下已经跑的五天半值不值得。

备注：内容来源于stack exchange，提问作者LittleBlueHeron