把连续相同日志合成一段,再汇总每个级别的次数,是一种很直观的小练习。它也有一个容易被连续样例掩盖的错误:每一段都写result[key]=段长,同一key后面再出现,前面的数量便被覆盖。本文固定的是整份输入的全局频次,不是“最后一段多长”,所以两种赋值表达的合同完全不同。
输入是有限字符串列表,每项直接代表一条日志的level字段,不解析日志文本,也不从消息中猜级别。空字符串是合法key,E与e区分大小写;不截断、不去空白、不按时间窗口筛选。返回key到出现次数的字典,空输入返回空字典,输入列表不修改。所有频次都为正数,因为没有出现过的key不输出。
先看E、E、W、E。分段结果是E两条、W一条、E一条。错误程序写完第一段E=2,最后又写E=1,得到E一条、W一条,总数只有二,和输入四条不符。正确做法在已有频次上加段长,得到E三条、W一条。同一个key隔段出现才有区分力,只测E、E、E和W、W这种每类只占一段的输入,会同时放过两种实现。

def log_counts(levels, wrong_overwrite=False):
if any(type(level) is not str for level in levels):
raise ValueError('string levels required')
result = {}
start = 0
while start < len(levels):
end = start + 1
while end < len(levels) and levels[end] == levels[start]:
end += 1
key, run_size = levels[start], end - start
result[key] = run_size if wrong_overwrite else result.get(key, 0) + run_size
start = end
return result
for levels in (['E', 'E', 'W', 'E'], [], ['', 'E', '']):
print(levels, 'wrong:', log_counts(levels, True), 'correct:', log_counts(levels))
本地实际输出:
['E', 'E', 'W', 'E'] wrong: {'E': 1, 'W': 1} correct: {'E': 3, 'W': 1}
[] wrong: {} correct: {}
['', 'E', ''] wrong: {'': 1, 'E': 1} correct: {'': 2, 'E': 1}
循环中的start是当前段起点,end向后走到第一个不同值或列表末尾。区间[start,end)都等于levels[start],段长是end-start;处理完便令start=end。每条记录只属于一个段,没有重叠也没有漏掉。关键更新是旧次数加本段长度,而不是把“本段统计正确”误认为“全局统计也自然正确”。分段和汇总是两步,需要分别维护不变式。
朴素基准先取所有实际出现的key,再为每个key完整扫描输入,逐条数相等的项。它没有段边界,也没有复用主程序的累加路径,适合检查覆盖错误。虽然速度更慢,但本次数据很短,保持参照容易看懂更重要。每份结果还检查频次和等于输入条数,不过这个性质只是辅助:把某些E误计成W也可能保持总和,不能替代逐key比较。
本地验证先枚举长度零到六、字母表为空串、E、W的1093份数据,再用固定种子1116生成300份长度零到三十的短序列,额外加入小写e,总共1393份。全部与朴素结果一致。固定种子保存的是可复查的输入生成规则,不表示抽样就覆盖了所有真实日志。全枚举与随机数据承担不同任务:前者给有限完整范围,后者帮助出现更长、更混杂的段组合。
假设字典操作平均常数时间,每条记录在找段界时检查常数次,总时间O(n),频次表占O(u),u为不同level数量。键字符串的比较与哈希仍受长度影响,不能拿这个小模型声称任意长日志都同样快。示例没有做耗时测试,也没有生产流量或吞吐收益数据。
最后要把“分段压缩”与“频次压缩”区分开。如果调用方真正需要保留段次序,返回E2、W1、E1三段是合理的;合成全局字典会丢掉顺序信息。当前接口只要全局频次,因此允许把分开的E相加。测试前先明确返回结构的含义,能省掉很多看似只差一个赋值符号、实际在回答不同问题的争论。
如果想进一步缩减失败输入,可以从E、E、W、E逐项删除:前一段压成单个E后,E、W、E仍会把总E次数从二覆盖成一。它说明错误不依赖段长大于一,而依赖同一个key在不同段再次出现。保留长一点的手算例,是为了同时展示“每段先数对”和“汇总仍数错”的差别,不把示意例误称为唯一最小反例。
随机验证没有与全枚举数据去重,所以1393表示实际比较的输入份数,不表示1393种互不相同的序列。原始记录明确区分生成方式,避免在汇报覆盖量时偷偷改换统计口径。
参考与核验:Python dict 与 get、random.Random。示例合同、推导与有限验证范围均在正文明确。
本文探讨日志level列表分段统计时的常见错误:用段长直接赋值覆盖同key频次,导致全局计数丢失。正确做法是累加段长到已有频次。输入为字符串列表,区分大小写,支持空字符串;输出为level到全局出现次数的字典。算法时间复杂度O(n),空间复杂度O(u)。强调分段压缩与频次压缩语义差异,并通过全枚举+随机测试(1393例)验证正确性。
845

被折叠的 条评论
为什么被折叠?



