小慕在开发一个微服务日志监控平台时，需要分析API调用记录。日志中包含大量重复的请求记录，为了优化存储和后续分析，小慕决定对相邻的重复请求进行合并统计。 1. 日志按时间顺序排列，每条记录包含「请求路径」和「响应时间」。 2. 若，需将这些记录合并为一条。 3. 合并后需统计该路径的连续出现次数；并保留所有响应时间的平均值（）。 4. 若相同路径被其他路径分隔，视为不同记录组，需分别合并。 请帮助小慕实现一个函数，对给定的日志数据进行去重合并处理。
提示：带虚线的词点一下有通俗解释。
输入描述
String[] paths：请求路径数组（按时间顺序排列）； int[] responseTimes：对应的响应时间数组（毫秒）。
输出描述
返回一个二维数组 int[][]，每个子数组包含3个元素： - [0]：该路径在输入数组中的首次出现索引； - [1]：该路径的连续出现次数； - [2]：该组路径的平均响应时间（向下取整）。
示例
示例 1
输入
6 /api/user /api/user /api/order /api/user /api/order /api/order 100 200 150 300 250 350
输出
0 2 150 2 1 150 3 1 300 4 2 300
说明：- /api/user 在索引 0-1 连续出现2次，平均响应时间：(100+200)/2 = 150 - /api/order 在索引 2 单独出现1次，响应时间：150 - /api/user 在索引 3 单独出现1次（与前面的 /api/order 分隔），响应时间：300 - /api/order 在索引 4-5 连续出现2次，平均响应时间：(250+350)/2 = 300
示例 2
输入
4 /api/login /api/login /api/login /api/login 50 60 70 80
输出
0 4 65
说明：边界情况 - 全部相同。所有API均为 /api/login，连续出现4次，平均响应时间：(50+60+70+80)/4 = 65
示例 3
输入
3 /api/a /api/b /api/c 100 200 300
输出
0 1 100 1 1 200 2 1 300
说明：边界情况 - 全部不同。每个API路径单独成组。
时间限制 1000 ms · 内存限制 128 MB