Evidence Class: unknown 은 0 이 아냐

"어떤 숫자는 계량기 눈금이야. 어떤 건 계량기인 척하는 짐작이고. 빠진 숫자는 둘 다 아니라 unknown 이야."

모든 숫자가 같지 않아

이번 달 인터넷이 어디로 샜나 알고 싶다 치자. 회선을 재는 게이트웨이는 권위 있는 총량 하나를 내놔. 그게 계량기고, 그건 참이야. 기계마다 자기 네트워크 카운터가 있는데, 그건 누가 썼는지 짐작만 해. 그 candidate 숫자는 로컬 트래픽, overlay 트래픽, 양쪽 끝에서 두 번 센 같은 바이트를 다 껴안을 수 있거든. 단위는 같은데 신뢰는 천지 차이야. 이걸 섞는 게 대시보드가 태연히 거짓말하는 방식이야.

안 온 값은 unknown 이지 0 이 아냐

자는 기계는 아무것도 보고 안 해. 솔깃한 수는 걔 칸에 0 을 적고 넘어가는 거야. 근데 '보고 없음' 이랑 '사용 0' 은 다른 사실이고, 둘을 같게 치는 합은 데이터를 지어내. 빈칸의 정직한 값은 unknown 이야. 그리고 unknown 은 잰 0 인 척 조용히 더해지면 안 돼.

correlation 은 단서지 제어 신호가 아냐

어떤 기계 사용량이 계량기 spike 랑 맞아떨어지는 것 처럼 보인다 치자. 그건 파볼 만한 힌트야. 딱 거기까지. candidate 숫자가 authoritative 숫자랑 correlate 했다고 기계를 자동으로 멈추거나 조이거나 막지 마. 자신만만한 UI 로 그려도 짐작은 짐작이고, 그걸 증거인 양 굴면 엉뚱한 호스트를 벌주게 돼.

숫자마다 class 를 붙여

고치는 법은 작고 확실해. 시스템이 보여주는 값마다 자기가 authoritative 인지, candidate 인지, unknown 인지 밝혀. class 가 숫자랑 같이 다니면, 읽는 사람이 단서를 측정으로 오해할 수가 없어. 엔진도 둘이 같은 척하는 산수를 거부할 수 있고.

증거가 없는 건 0 이라는 증거가 아냐. 빈칸은 물음표고, 숫자처럼 합쳐진 물음표가 monitoring 시스템이 하는 첫 거짓말이야.

Code

세 class, 절대 같이 평균 안 냄·python

# 단위는 같은 GB, 신뢰 class 는 셋.
evidence = {
    "gateway_wan":   Authoritative(438.0),  # 계량기. 이게 총량이야.
    "office_iface":  Candidate(120.0),       # LAN + overlay 포함. 단서.
    "laptop_iface":  Unknown(),              # 자는 중. 0.0 아님.
}

# 틀림. 빈칸이 사실이 됨:
#     total = 120.0 + 0.0            # 랩탑의 '0' 을 지어냄

# 맞음. class 를 갈라둠:
authoritative_total = evidence["gateway_wan"].value      # 438.0, 신뢰
attribution = { "office": "~120 (candidate)",
                "laptop": "unknown" }                    # 정직한 빈칸

# 엔진은 Unknown() 을 합에 안 더해. 빈칸은 빈칸으로 보고돼.
# 자신만만하지만 틀린 숫자로 매끈하게 다듬지 않아.

Exercise

네 도구가 보여주는 숫자 중에, 사실은 계량기가 아니라 candidate 인 걸 하나 골라. 앱이 스스로 보고하는 메모리, 탭별 대역폭 추정, '사용 시간' 카운터 같은 거. 그걸 확인해줄 authoritative 소스가 뭔지, 그리고 진짜로 빠진 값은 0 대신 뭘 보여줘야 하는지 적어봐.

Hint

'우리가 안 쟀음' 을 0 이 아니라 대시(-)나 글자 그대로 'unknown' 으로 보여주면, 이해한 거야. 빈칸이 0 으로 그려지는 순간, 합쳐지기 시작하거든.

모든 숫자가 같지 않아

안 온 값은 unknown 이지 0 이 아냐

correlation 은 단서지 제어 신호가 아냐

숫자마다 class 를 붙여

Code

External links

Exercise

Progress

댓글 0