"""Render saved measurements, never fabricated or smoothed values.""" from collections import defaultdict import json import os from pathlib import Path import statistics os.environ.setdefault('MPLCONFIGDIR', '/tmp/mtusi-lab3-matplotlib') import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt ROOT = Path(__file__).resolve().parents[1] data = json.loads((ROOT / 'evidence/scaling.json').read_text())['runs'] plt.rcParams.update({'font.size': 10, 'axes.grid': True, 'grid.alpha': .2}) def values(series, replicas=None, concurrency=None, pool=None): return [r for r in data if r['series'] == series and (replicas is None or r['replicas'] == replicas) and (concurrency is None or r['concurrency'] == concurrency) and (pool is None or r['db_pool_max'] == pool)] def point(rows, metric): v = [r[metric] for r in rows] return statistics.median(v), min(v), max(v) def curve(axis, xs, groups, metric, label, color): p = [point(g, metric) for g in groups] axis.errorbar(xs, [v[0] for v in p], yerr=[[v[0]-v[1] for v in p], [v[2]-v[0] for v in p]], marker='o', capsize=4, label=label, color=color) fig, axes = plt.subplots(2, 2, figsize=(12, 8), layout='constrained') for series, label, color in [('fixed', 'Всего API: 1 CPU / 512 MiB', '#c64a46'), ('growing', 'Каждая API: 0,5 CPU / 256 MiB', '#138a83')]: groups = [values(series, n) for n in (1, 2, 4)] curve(axes[0,0], [1,2,4], groups, 'successful_rps', label, color) curve(axes[0,1], [1,2,4], groups, 'p99_ms', label, color) for axis in axes[0]: axis.set_xlabel('Число API-реплик'); axis.set_xticks([1,2,4]); axis.legend(fontsize=8) axes[0,0].set_ylabel('Успешные запросы / с'); axes[0,0].set_title('Пропускная способность: 16 клиентов') axes[0,1].set_ylabel('p99 успешных ответов, мс'); axes[0,1].set_title('Задержки: 16 клиентов') xs = [1,4,16,32,64] groups = [values('growing',4) if n == 16 else values('saturation',4,n) for n in xs] curve(axes[1,0], xs, groups, 'successful_rps', '4 API × 0,5 CPU / 256 MiB', '#405bb5') axes[1,0].set_xscale('log', base=2); axes[1,0].set_xticks(xs, labels=[str(x) for x in xs]); axes[1,0].set_xlabel('Одновременные клиенты'); axes[1,0].set_ylabel('Успешные запросы / с'); axes[1,0].set_title('Рост конкуренции'); axes[1,0].legend(fontsize=8) groups = [values('improvement',2), values('fixed',2)] p = [point(g,'successful_rps') for g in groups] axes[1,1].bar(['Проверки из lab2', 'Без лишних SQL'], [v[0] for v in p], color=['#c64a46','#138a83'], yerr=[[v[0]-v[1] for v in p],[v[2]-v[0] for v in p]], capsize=5) axes[1,1].set_ylabel('Успешные запросы / с'); axes[1,1].set_title('Улучшение: 2 API, всего 1 CPU / 512 MiB') fig.suptitle('ЛР 3: цена масштабирования • 80% чтение / 20% запись\nМедианы трёх прогонов по 8 с; усы — min/max; прогрев 2 с', fontsize=13) fig.savefig(ROOT / 'evidence/scaling.png', dpi=160) fig.savefig(ROOT / 'evidence/scaling.svg') plt.close(fig) fig, axes = plt.subplots(1,2,figsize=(10,3.8),layout='constrained') for series,label,color in [('growing','PostgreSQL: 1 CPU','#138a83'),('database_limit','PostgreSQL: 0,1 CPU','#c64a46')]: groups = [values(series,n) for n in (1,2,4)] curve(axes[0],[1,2,4],groups,'successful_rps',label,color) cpu = [] for group in groups: readings = [c['cpu_percent'] for row in group for sample in row['telemetry'] for c in sample['containers'] if c['service']=='postgres'] cpu.append(statistics.median(readings)) axes[1].plot([1,2,4],cpu,marker='o',label=label,color=color) for axis in axes: axis.set_xlabel('Число API-реплик');axis.set_xticks([1,2,4]);axis.legend(fontsize=8) axes[0].set_ylabel('Успешные запросы / с');axes[1].set_ylabel('CPU PostgreSQL, % одного ядра') axes[1].axhline(10,color='#c64a46',linestyle='--',alpha=.5) fig.suptitle('Насыщение общей БД • каждая API: 0,5 CPU / 256 MiB\n16 клиентов, тот же профиль; PostgreSQL ограничен явно') fig.savefig(ROOT / 'evidence/bottleneck.png',dpi=160) plt.close(fig) fig, axes = plt.subplots(1,2,figsize=(9,3.8),layout='constrained') groups = [values('pool_isolated',pool=n) for n in (1,8)] for axis, metric, ylabel in zip(axes, ['successful_rps','p99_ms'], ['Успешные запросы / с','p99 успешных ответов, мс']): p = [point(g,metric) for g in groups] axis.bar(['Пул 1', 'Пул 8'], [v[0] for v in p], color=['#c64a46','#138a83'], yerr=[[v[0]-v[1] for v in p],[v[2]-v[0] for v in p]], capsize=5) axis.set_ylabel(ylabel) fig.suptitle('Ограничение пула: 1 API, 1 CPU / 512 MiB, 16 клиентов\nМедианы трёх прогонов; остальные параметры одинаковы') fig.savefig(ROOT / 'evidence/pool.png', dpi=160) plt.close(fig) faults = json.loads((ROOT / 'evidence/faults.json').read_text()) fig, axes = plt.subplots(2,2,figsize=(12,6.5),layout='constrained') for i,(axis,run) in enumerate(zip(axes.flat,faults)): successes, errors = defaultdict(int), defaultdict(int) for sample in run['samples']:successes[int(sample['t'])] += 1 for sample in run['failed_samples']:errors[int(sample['t'])] += 1 x = range(int(run['duration']) + 1) axis.plot(x,[successes[t] for t in x],label='Успешные чтения + записи',color='#138a83') axis.plot(x,[errors[t] for t in x],label='Ошибки',color='#c64a46') axis.axvline(run['action_at'],linestyle='--',color='#444',label='Начало воздействия') axis.set_title(('Остановка' if run['kind']=='stop' else 'Замена') + ' реплики ' + str(i%2+1)) axis.set_xlabel('Время от начала прогона, с');axis.set_ylabel('Запросы за секунду');axis.legend(fontsize=7) fig.suptitle('Последовательные отказы и замены реальных контейнеров через LB') fig.savefig(ROOT / 'evidence/faults.png', dpi=160) print('Saved scaling.png/.svg, pool.png and faults.png.')