如何结合平均运行时长评估脚本单次运行时长的异常严重性？

背景数据 #

脚本平均运行时长 #

const averageRunTime = [
  { srt_id: 1, avg: 8 },    // 8秒
  { srt_id: 2, avg: 600 },  // 10分钟
  { srt_id: 3, avg: 3600 }  // 1小时
];

单次运行时长记录 #

const runs = [
  { id: 1, srt_id: 1, run_time: 320 },  // 5分钟
  { id: 2, srt_id: 1, run_time: 32 },   // 32秒
  { id: 6, srt_id: 3, run_time: 5400 }, // 1.5小时
  { id: 7, srt_id: 3, run_time: 600 }   // 10分钟
];

现有比例评估的不合理性 #

直接用「单次时长/平均时长」的比例判断异常严重性存在明显缺陷：

• 脚本1单次运行32秒，是平均时长的600%，但属于可接受范围
• 脚本3单次运行1.5小时，仅为平均时长的150%，却可能存在需排查的错误
• 单纯对比比例会误导异常严重程度的感知
• 脚本1单次运行5分钟（是平均时长的3700%）虽有异常，但严重性远低于脚本3的150%偏差

解决方案 #

方法1：Z-score标准分数（行业通用统计方法） #

Z-score是统计领域衡量数据偏离正常波动范围的标准手段，能有效消除不同脚本时长量级的干扰：

• 核心公式：Z = (单次运行时长 - 平均时长) / 该脚本运行时长的标准差
• 逻辑：Z值越大，说明单次运行偏离该脚本正常水平的程度越高，与脚本本身长短无关。通常Z>3即可视为严重异常。
• 示例：
  • 若脚本1的运行时长标准差为10秒，32秒运行的Z值为(32-8)/10=2.4；5分钟运行的Z值为(320-8)/10=31.2
  • 若脚本3的运行时长标准差为360秒，1.5小时运行的Z值为(5400-3600)/360=5
• 补充：如果没有足够历史数据计算标准差，可固定变异系数（标准差/平均时长，比如取0.2），公式调整为Z = (单次运行时长 - 平均时长) / (平均时长 * 0.2)

方法2：自定义0-100区间担忧值计算 #

若需要输出直观的0-100（极端情况可超出）担忧值，可结合绝对超时时长和脚本时长权重设计公式，核心逻辑是让长脚本的绝对时间偏差获得更高权重：

推荐公式

concern = min( (delta / 1800) * 100 * (avg_time / 3600 + 1) + max(0, (run_time/avg_time - 2) * 10), 150 )

参数说明：

• delta = max(单次运行时长 - 平均时长, 0)：仅计算超时的正偏差，未超时则担忧值为0
• avg_time：脚本平均时长（单位：秒）
• (delta / 1800)*100：以超时30分钟为基准，对应100分的基础严重度
• (avg_time / 3600 +1)：给长脚本的基础严重度加权，时长越长权重越高
• max(0, (run_time/avg_time -2)*10)：对比例超过200%的情况附加惩罚，每超出100%加10分
• min(...,150)：限制极端值上限，避免分数溢出

示例计算

• 脚本1（avg=8秒）32秒运行：delta=24，比例=400%，担忧值=(24/1800)100(0.0022+1)+(4-2)*10≈1.33+20=21.33（低担忧）
• 脚本1（avg=8秒）5分钟运行：delta=312，比例=4000%，担忧值=(312/1800)100(0.0022+1)+(40-2)*10≈17.37+380=397.37→150（高担忧，但优先级低于长脚本的同分数）
• 脚本3（avg=3600秒）1.5小时运行：delta=1800，比例=150%，担忧值=(1800/1800)100(1+1)+0=200→150（高担忧，优先级高于短脚本的150分）

优化建议

如果需要更明确区分长/短脚本的同分数优先级，可在担忧值之外附加脚本时长等级标签（如「短脚本」「长脚本」），告警时优先处理长脚本的高担忧值记录。

内容的提问来源于stack exchange，提问作者Travis Heeter