35岁大厂程序员上岸武汉体制内，收入从百万年薪锐减到十几万后，妻子嫌弃他没上进心。网友:这种老公，离!
程序员老鬼约 4 分钟刚看到个贴子，说一位35岁大厂程序员，上岸武汉体制内，从百万年薪变成一年十几万，结果老婆嫌他没上进心。底下不少网友直接一句：这种老公，离！
网友喊“离”，说实话有点上头了。婚姻又不是只看工资条，多赚是一种责任，少犯错、活得久，也是另一种责任。
真正的问题是：这事两个人有没提前算清账、谈明白预期？是一起做的选择，还是他一个人拍脑袋？
在我看来，家庭更像合伙开公司：有人负责冲锋，有人负责稳住盘子，可以换赛道，但别瞒着队友。比起一句“离”，我更希望他们能坐下来，把未来十年的钱、健康、孩子，一起摊开聊清楚，这才叫上进。
面试题：每台机器的进程平均运行时间
昨天晚上十一点多，我在公司楼下抽烟，手机一震，是我们组那个小李：“东哥，你说监控系统里面那堆进程日志，有没有简单一点的算⼀下，每台机器平均一个进程跑多久啊？老板要个报表。” 我当时脑子已经半糊涂了，但这事儿其实挺典型的一个小算法题。
你可以想象这样一串数据，每条都长得差不多：
machineId：机器编号，比如 1、2、3 processId：进程编号 startTime：开始时间戳（毫秒） endTime：结束时间戳（毫秒）
也就是一行行类似这样的记录：
机器A，进程p1，从 1000ms 跑到 3000ms
机器A，进程p2，从 2000ms 跑到 2600ms
机器B，进程q1，从 1500ms 跑到 4500ms
...
问题就变成一句话：按机器分组，把这一台机器上所有进程的运行时长取平均值。
跟我之前做数据库压测那种“按库统计平均耗时”的活儿一个味道，只不过这次是按机器来聚合。
这种题要是你一上来就想各种“时间轴呀、排序呀、窗口呀”，基本就是自己吓自己。
最朴素那版思路就两件事：
每条记录先算出这个进程的运行时长： duration = endTime - startTime按 machineId 把这些 duration 累加起来，同时数一下有多少个进程，最后 avg = 总时长 / 进程数量
用人话说，就是： “这一台机器所有进程的用时都加一块儿，然后除一下个数。”
时间复杂度就是 O(n)，一条记录只看一眼；空间复杂度大概是 O(m)，m 是机器数量，一般也不算多。
小李当时就一句话：“你别跟我说思路，直接丢个方法给我。”那就写个简单点的版本：
import java.util.*;
publicclassMachineAvgRuntime{
// 一条进程记录
publicstaticclassProcessRecord{
privateint machineId;
private String processId;
privatelong startTime; // 毫秒时间戳
privatelong endTime; // 毫秒时间戳
publicProcessRecord(int machineId, String processId, long startTime, long endTime){
this.machineId = machineId;
this.processId = processId;
this.startTime = startTime;
this.endTime = endTime;
}
publicintgetMachineId(){
return machineId;
}
publiclonggetDuration(){
// 简单防御：如果 end 比 start 小，就当成 0
return Math.max(0, endTime - startTime);
}
}
// 核心方法：算每台机器的平均进程运行时间
publicstatic Map<Integer, Double> calcAvgRuntimePerMachine(List<ProcessRecord> records){
// key: machineId
// value[0]: 总时长之和，value[1]: 进程数量
Map<Integer, long[]> statMap = new HashMap<>();
for (ProcessRecord record : records) {
int machineId = record.getMachineId();
long duration = record.getDuration();
long[] stat = statMap.get(machineId);
if (stat == null) {
stat = newlong[2];
statMap.put(machineId, stat);
}
stat[0] += duration; // 累加总时长
stat[1] += 1; // 进程计数 +1
}
// 把结果转成平均值
Map<Integer, Double> result = new HashMap<>();
for (Map.Entry<Integer, long[]> entry : statMap.entrySet()) {
int machineId = entry.getKey();
long totalDuration = entry.getValue()[0];
long count = entry.getValue()[1];
if (count == 0) {
result.put(machineId, 0.0);
} else {
// 这里转 double，避免整型除法精度丢失
result.put(machineId, totalDuration * 1.0 / count);
}
}
return result;
}
// 随便写个 main 测一下
publicstaticvoidmain(String[] args){
List<ProcessRecord> list = new ArrayList<>();
// 机器 1 上两个进程：时长分别 2000 和 600
list.add(new ProcessRecord(1, "p1", 1000, 3000));
list.add(new ProcessRecord(1, "p2", 2000, 2600));
// 机器 2 上一个进程：时长 3000
list.add(new ProcessRecord(2, "q1", 1500, 4500));
Map<Integer, Double> avg = calcAvgRuntimePerMachine(list);
System.out.println(avg); // 比如：{1=1300.0, 2=3000.0}
}
}
这个实现比较无脑，但胜在清楚：
用 Map<Integer, long[]>做统计容器，不额外建一堆类long[0]存总时长，long[1]存数量，最后统一扫一遍算平均值最外层结果再转成 Map<Integer, Double>，给前端图表、报表用都还行
行了，我这边咖啡也凉了，就先这样，小李那报表后来顺利交差，你要是真线上要用，记得别在 SQL 里一层层嵌套聚合干这个，用程序扫一遍，稳。
-END-
我为大家打造了一份RPA教程，完全免费：songshuhezi.com/rpa.html