رصد الخدمة والنموذج

from math import ceil
latencies = [10,20,30,100]
ordered = sorted(latencies)
p95 = ordered[ceil(0.95*len(ordered))-1]
print(f"mean_ms={sum(ordered)/len(ordered):.1f}")
print("nearest-rank p95_ms", p95)
print("observations", len(ordered))

mean_ms=40.0
nearest-rank p95_ms 100
observations 4

يصرح المثال باصطلاح الرتبة الأقرب وعدده الصغير؛ ولا يقدر ذيل إنتاج أو يشغل معيار زمن استجابة.

events = [{"eligible":True,"status":"predicted"},
          {"eligible":True,"status":"fallback"},
          {"eligible":True,"status":"failed"},
          {"eligible":False,"status":"invalid"}]
eligible = [event for event in events if event["eligible"]]
operational_success = sum(event["status"] in {"predicted","fallback"} for event in eligible)
model_predictions = sum(event["status"] == "predicted" for event in eligible)
print(f"declared service success={operational_success/len(eligible):.2f}")
print(f"model coverage={model_predictions/len(eligible):.2f}")
print("eligible count", len(eligible))

declared service success=0.67
model coverage=0.33
eligible count 3

يحسب المثال الصريح البديل نجاحاً تشغيلياً مع تمييزه عن تنبؤ النموذج؛ ويمكن لمهام أخرى تعريف سياسة موثقة مختلفة.