Nvidia 日志聚合题：状态码计数与平均响应时间

题目重点：Nvidia System Software 面经明确要求按 status code 聚合 count 和 average response time；本文定义日志记录、一次扫描实现、异常值和流式追问。

题意与假设

这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。

训练输入为 (HTTP 状态码, 毫秒响应时间) 二元组流；状态码限 100–599，响应时间为非负有限数。题目只说 status code，未限定 HTTP。
同一状态码每条有效日志计一次；没有出现的状态码不输出。空输入返回空映射。
遇非法记录抛错而不是跳过；若面试官要求部分成功，应额外报告 bad record 数及跳过规则。

解题路线

按状态码维护 count 与 latency_sum 两个累加量。读到一条记录时先校验，再令 count+=1、sum+=latency。
扫描结束后按状态码排序输出 (count,sum/count)。只有已出现的状态码会有非零分母。
解释为何只保留 sum 和 count 已足够求均值；如果要 p95，就需要直方图、采样或可合并分位数摘要，不能从均值推回。

手动走一遍

输入 (200,10)、(500,40)、(200,30)、(500,60) 后，200 的 count=2、sum=40、mean=20ms；500 的 count=2、sum=100、mean=50ms。若某状态码没有记录，不产生均值，也不存在除以零。

Python 参考实现

下面的代码按上文假设实现，适合本地运行并追加自己的测试用例。

代码区可横向滚动；使用键盘时，先聚焦代码区再按方向键查看。

from collections import defaultdict
from math import isfinite


def aggregate_status_latency(records):
    """Each record is (HTTP status code, response time in milliseconds)."""
    totals = defaultdict(lambda: [0, 0])
    for status, latency_ms in records:
        if not isinstance(status, int) or not 100 <= status <= 599:
            raise ValueError("invalid HTTP status")
        if not isinstance(latency_ms, (int, float)) or not isfinite(latency_ms) or latency_ms < 0:
            raise ValueError("invalid response time")
        totals[status][0] += 1
        totals[status][1] += latency_ms
    return {
        status: (count, duration / count)
        for status, (count, duration) in sorted(totals.items())
    }

复杂度

N 条记录、K 个不同状态码：聚合时间期望 O(N)，排序输出 O(K log K)，空间 O(K)。若输出不要求稳定排序，可省掉排序成本。流式跨分片聚合只需合并各分片的 sum 与 count。

易错点与追问

容易失分的边界

先计算每个分片平均值再对这些均值取平均，会在分片样本量不同时产生错误结果；应合并 sum/count。
把响应时间秒与毫秒混用，输出的平均数虽可计算但意义错误。
接受 NaN 或无限值后，聚合结果被污染；训练代码拒绝这类输入。
根据当前状态码数量固定数组大小，忽略未知或非标准状态码；题面未规定全集时用映射更稳妥。

继续深挖

若要求按时间窗和服务一起聚合，键扩展为 (service,status,window)，并定义事件时间和迟到窗口。
若要近似 p95，讨论桶化直方图或可合并摘要的精度与内存取舍。
日志量巨大时分区聚合，再按 status 合并 count 和 sum；溢出风险取决于延迟单位与计数上限。