比较代理时,分母应保留每一个已排程任务。如果报表删掉超时记录,只给已完成请求排序,就可能让某个服务看起来更快,却掩盖了更少计划任务在期限内产出合格结果。已完成请求的分位数可以保留作诊断,但采购判断应另用明确的“期限内有效完成”指标。

本文面向比较获授权公开数据、地域核验或广告验证工作负载的数据团队。文中的夹具完全虚构、可复算,不是 IPHTML 实测或任何供应商排名。先用代表性试用方案冻结任务清单,再保留下面的结果分类。

超时测到了什么,又没有测到什么

期限未达标表示该任务没有在任务期限内产出预先定义的合格结果;它不告诉你一个未观察到的完成时间。因此不能用期限值、任意“长尾”数值或猜出的分位数替代它。socket 或客户端超时也未必等于整个任务期限:排队、建连、读取和验收都可能在单个计时器之外。Requests 文档明确其 timeout 不是整个响应的时间上限;HTTP 504 则有特定的网关含义。应保留原始观察和测量边界。

观察记录可以计入什么不能证明什么动作
期限内验收通过一个期限内有效完成;已观察到的耗时可进入已完成子集分位数长期供应商表现保留任务 ID、验收规则和耗时边界。
期限后才验收通过若有耗时和验收记录,可进入已完成请求诊断期限内完成在已排程任务判断中计为期限未达标。
连接失败已排程分母和失败类别问题一定只由代理造成保留错误层和路径证据,不虚构耗时。
到关闭观察窗口时仍未完成已知未完成与期限未达标最终会在何时完成保留截止观察证据,不把截止值当作完成耗时。
已知排队未启动已排程分母和已知未交付代理故障或完成时长保留调度记录;这不等于遥测缺失。
遥测缺失已排程分母与未知结果任务究竟是否完成对齐证据前暂缓比较,即 HOLD。

连接失败必须与期限未达标分开。结果到得太晚可以造成期限未达标;连接失败可能更早发生;排队任务可能根本没有启动;遥测缺失则代表结果未知。它们都不能悄悄消失。代理延迟拆分中的四个累计时间点可以定位已观察到的时间,但不能补出被删失的尾部。

保留两个指标,但只用一个决策规则

试用开始前先写验收约定:相同的已排程任务、获准访问的目标和时间窗、相同期限,以及相同的合格结果定义。若预期字段缺失或过期,仅有 HTTP 200 可能仍不合格。随后在冻结分母上同时计算两个指标。

指标分子或总体适合回答不能用于
仅已完成 p50仅验收通过且有观察耗时的完成请求描述已完成子集在未达标任务不同的情况下评判整体交付。
期限内有效完成期限内验收通过结果 / 全部已排程任务按既定期限做采购判断没有诊断证据时推断任务为何未达标。
证据完整度可分类结果任务 / 全部已排程任务判断对比能否解释代替交付指标。

已完成子集的分位数应注明实际样本量,与已排程任务交付率并列。在下面固定六任务的例子中,最近秩法 p95 的秩为 ceil(0.95 × 6) = 6。若没有六个已观察到的验收通过时间,就不能把最后一个有序值报告为实测的、有限的全任务 p95。有些任务可能始终无法交付合格结果。NOT_IDENTIFIABLE 表示这些记录不能给出数值型全任务 p95,并不承诺任务最终会完成。这是六任务的结论;更大数据集中,分位数能否确定取决于秩和已知边界,不能仅因存在一个删失记录就一概判断。

任务集、期限、有效性规则、计时边界或重试政策不同,会导致口径不可比;结果证据缺失也需要 HOLD。两个有效指标的排名不同,本身不要求暂停。可靠性计分卡负责交付计分和已完成子集分位数。本文新增成对排名反转、六任务分位数的可确定边界,以及明确的后续核验筛选规则。

一个可离线复算的反例

下载超时对比夹具。它只用 Python 标准库,不会发送网络请求。每个供应商各有六个虚构已排程任务;合格结果为 accepted,期限为 2.0 秒。期限未达标、连接失败或未启动任务都没有编造耗时。

两边使用相同的六个任务 ID,而不是十二个无关样本。耗时从任务按排程可执行时开始,到第一个结果通过相同的对象、必需字段与地区检查时结束。两条虚构路径均只尝试一次、不重试,声明相同的客户端、地区与负载;每个任务的观察窗口在 4.0 秒关闭。业务期限为 2.0 秒,这两个时间边界不同。连接失败表示唯一尝试结束且未交付合格结果;已知未启动则有持续到观察截止的调度证据。二者都不会被悄悄当成已测得的完成延迟。

相同任务路径 A:验收通过耗时或结果路径 B:验收通过耗时或结果
task-011.0 秒1.4 秒
task-021.1 秒1.5 秒
task-031.2 秒1.6 秒
task-041.3 秒1.7 秒
task-05截止时仍未完成,期限未达标1.8 秒
task-06连接失败,没有合格结果截至窗口关闭,已知未启动

A 的已完成中位数为 (1.1 + 1.2) / 2 = 1.15 秒,分母为四个完成任务;B 为 1.60 秒,分母为五个完成任务。虚构团队事先约定:六个任务中至少五个在 2.0 秒内验收通过,才进入后续核验。这不是通用推荐门槛,也不足以支持直接采购;小样本只用于演示计算。

python3 proxy-timeout-benchmark.py

精确 stdout 如下:

synthetic fixture only; no network requests
good_result=accepted; deadline_seconds=2.0; denominator=scheduled tasks; required_on_time=5/6
A: scheduled=6 completed_only_p50=1.15s on_time_valid=4/6 all_task_p95=NOT_IDENTIFIABLE deadline_miss=1 connection_failure=1 queue_not_started=0 missing_telemetry=0
B: scheduled=6 completed_only_p50=1.60s on_time_valid=5/6 all_task_p95=NOT_IDENTIFIABLE deadline_miss=0 connection_failure=0 queue_not_started=1 missing_telemetry=0
completed-only ranking: A faster (1.15s < 1.60s)
deadline-completion ranking: B stronger (5/6 > 4/6)
REVIEW: B eligible_for_followup at >=5/6 on-time valid tasks

删掉 A 的两个未完成任务后,A 在已完成请求中显得更快;保留全部六个已排程任务后,B 在期限内完成更多。两者在这个夹具中都没有全任务 p95:A 有两个任务未测得验收通过的完成时间,B 有一个。这种反转和不可识别性才是夹具要说明的内容,并不证明任何产品存在这些结果。预先声明的 5/6 门槛使 B 可以进入后续核验,A 则不满足;这不会把仅已完成 p50 变成采购规则。B 的已知未启动任务仍在分母中,但不是完成样本。遥测缺失、任务集/范围/期限/重试政策不一致时,应为 HOLD。两边的重试必须采用同一规则;先用重试预算在试用前设定,而不是在结果不佳后才改变。

可以编辑副本中的 ROWS 再运行,探索不同结果。保持固定六任务设计:缺失或重复 ID、未知分类、非有限或负耗时、超出关闭窗口的耗时都会被拒绝。恰好 2.0 秒验收通过算准时;2.00001 秒则是晚到的有效结果。把 B 的 task-06 改为 accepted, 2.5,会得到已观察的六任务 p95 为 2.50 秒,但准时交付仍只有五个。声明的期限、重试、目标、窗口、计时和验收政策会与 CONTRACT 比对,不一致就 HOLD。程序检查的是声明,不是其真实性:它不能核实授权、检查响应、发现清单外遗漏的任务,也不能证明两端实际运行了相同配置。应保留原始日志并由人核对。

把采购判断落到可执行条件

  1. 每个供应商使用同一份冻结任务 ID 和获授权工作负载,记录任务是启动、验收通过、超期、失败还是未知。
  2. 在看结果之前设定一个业务期限和具体有效性检查,同时保留原始分类与已完成子集。
  3. 只有期限内有效完成的对比可解释、并达到你自己的门槛时才选择。它若与仅已完成 p50 冲突,应先查未达标类别,而不是按更低 p50 购买。
  4. 当官方 API、数据集、人工核验或更小的受控样本更适合获准任务时,优先使用这些替代方案。不要靠无限重试或更换出口绕开目标方控制。

下一步:如果在核对官方来源和人工替代方案后,获授权工作负载仍有真实的地域公开观察缺口,可将会话、位置和验收约束与住宅代理选项比对。请携带脱敏排程、期限、成功规则、重试政策和缺失记录数,通过联系页讨论适配性。这是条件式评估建议,不是速度、可用性、价格或适配性的承诺。

核查日期:2026-11-21。来源:Requests timeouts;RFC 9110:504 Gateway Timeout;Python statistics。