如何在O(1)复杂度下计算浮点数流最近n个值的平均值并解决精度漂移问题

• 方案1：周期性全量重学校准
  该方案实现成本最低，在原有O(1)增量更新逻辑的基础上，增加计数器，每累计滑动N次（N可直接取窗口大小10000，或按需调整为窗口大小的数倍），就遍历一次窗口内所有元素重新计算总和，替换当前已经漂移的sum值。
  平摊时间复杂度仍然接近O(1)，以N=10000为例，每10000次操作仅多1次O(n)遍历，额外开销可以忽略，适合绝大多数业务场景。
  代码示例（Java）：

  final int windowSize = 10000;
  final int recalInterval = 10000; // 每滑动10000次校准一次
  float sum = 0;
  int count = 0;
  Queue<Float> window = new ArrayDeque<>(windowSize);
  
  public void add(float newValue) {
      // 增量更新逻辑
      sum += newValue;
      window.add(newValue);
      if (window.size() > windowSize) {
          sum -= window.poll();
      }
      count++;
      // 达到间隔执行校准
      if (count >= recalInterval && window.size() == windowSize) {
          sum = 0;
          for (float f : window) {
              sum += f;
          }
          count = 0;
      }
  }
  
  public float getAvg() {
      return sum / window.size();
  }
  

• 方案2：Kahan补偿求和算法
  该算法通过额外变量记录每次加减操作产生的舍入误差，在后续运算中把误差补偿回去，可大幅降低浮点数累加的误差积累，全程O(1)时间复杂度，不需要周期性遍历，性能更高。
  代码示例（Java）：

  final int windowSize = 10000;
  float sum = 0;
  float compensation = 0; // 误差补偿变量
  Queue<Float> window = new ArrayDeque<>(windowSize);
  
  private void addWithCompensation(float val) {
      float y = val - compensation;
      float t = sum + y;
      compensation = (t - sum) - y;
      sum = t;
  }
  
  public void add(float newValue) {
      addWithCompensation(newValue);
      window.add(newValue);
      if (window.size() > windowSize) {
          float oldVal = window.poll();
          addWithCompensation(-oldVal); // 减去旧值也使用补偿逻辑
      }
  }
  
  public float getAvg() {
      return sum / window.size();
  }
  

  如果需要更高精度，可将sum和compensation换成double类型，误差会进一步降低。

• 方案3：定点数整数运算
  如果业务场景对精度要求明确，可将浮点数放大固定倍数转换为整数运算，完全规避浮点数精度误差。比如业务要求精度到小数点后6位，就将所有输入值乘以1e6转为long类型做加减，计算平均值时再除以1e6转回浮点数即可。
  该方案完全没有精度漂移问题，性能最优，仅需要做简单的数值转换，适合对精度要求高的场景。

• 方案4：分块求和
  将滑动窗口划分为固定大小的小块（比如每100个元素为1块），每个块预先存储块内元素的精确和，总sum为所有完整块的和加上当前未填满块的元素和。窗口滑动时如果整块被移出窗口，直接减去对应块的和即可，误差仅在单个块内积累，不需要全量校准，仅需要定期重算当前活动块的和即可，平摊开销比全量校准更低，适合窗口大小更大的场景。

内容的提问来源于stack exchange，提问作者Crigges