EMA算法本身是多用于金融行业的，是一种基于增加期望的模型。算法的主要思想是综合利用历史上积累到的数据，预测下一个周期内的期望。我们参考了标准的EMA算法，得到了符合互联网业务特点的用于超时控制的EMA算法。具体的思想主要是引入“平均效应”的概念，用平均响应时间代替固定超时时间，只要平均响应时间没有超时即可，而不是要求每次都不能超时。主要几点：总体情况不能超标；平均情况表现越好，弹性越大；平均情况表现越差，弹性越小。这里的弹性指的是允许毛刺情况的最大响应时间。
$ npm i ema-timeout --saveconstema=require('ema-timeout');// 因为每个cgi有可能不一样，根据自身业务需求考虑是否要为每个接口create不同的ema计算constoptions={Tavg: 55,// 最低响应时间， 一般用平均响应时间替代Thwm: 300,// 超时时间限制， 确保最坏的时候，所有请求能处理。正常时正确处理的成功率满足需求。Tmax: 500,// 最大弹性时间N: 90// 平滑指数，越小表示平均值越受最近值的影响，太大则对异常响应较慢};constemaObj=ema.create(options);conststart=Date.now();lettdto=emaObj.get();// 获取当前超时设置时间// 请求接口指定超时时间// 这里是你业务请求逻辑try{constresult=awaitrequest({timeout: tdto});// 请求接口 emaObj.update(Date.now()-start);// 这里是更新当前接口延时时间，以备计算后续超时}catch(e){// 把异常指定为最大超时，这样更好的反应接口健康情况emaObj.update(Math.max(Date.now()-start,options.Tmax));}固定业务逻辑，循环执行，如FastCGI/S++。
程序大部分时间在等待响应，而不是CPU计算或处理I/O中断。
服务是串行处理模式，容易受异常、慢请求阻塞。
响应时间不宜波动过大。
可以接受有损服务。