我一直在关注此事，并希望继续更好地了解这一变化对不同社区的影响。
我的想法是，对于一个给定的社区，可以将其细分为如下：
T社区中的总用户数x受此变化影响的用户数a没有可接受的解决方案的用户数ba的补集
yx的补集
t我们等待进行此更改的时间。
对于一个给定的社区，我假设 x > 0 的可能性很高，甚至 a > 0 的可能性也很高。
我们可以将此变化对给定社区的影响视为一个函数 f(t)，该函数返回 T, x, a 的值。
如果我们接受 x 和 a 很难降到 0，那么我们应该追求什么？
也许我们可以按 a/T 对影响进行分类，并设定一个可接受的阈值。
我们可以将此变化对整个社区的影响视为一个类似的函数 F(t)，该函数返回社区的集合 []{T, x, a}
我们可以使用与上述相同的阈值，并衡量有多少社区受到超出我们可接受范围的影响。
如果我们再等一年，我假设对于许多社区来说，x 和 a 都会减少，但仍然大于 0。
所以没有完美的决定。
那么，什么应该影响我们的决定？
对于一个给定的社区，a 的可接受值是多少？我们愿意让多少社区越过这个阈值？我们应该进行这个更改吗？
我们还没有做过如此严谨的事情，但我们已经查看了一些数据来为我们的决定提供信息，并认为五月是 t 的一个合理答案。