"""Построить рисунки Matplotlib из фактических агрегатов эксперимента.""" from collections import defaultdict import csv import json from pathlib import Path import statistics import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt ROOT = Path(__file__).resolve().parents[1] rows = [json.loads(p.read_text(encoding='utf-8')) for p in sorted((ROOT/'evidence/research').glob('*.json'))] OUT = ROOT/'evidence/figures' OUT.mkdir(parents=True, exist_ok=True) plt.rcParams.update({'font.family': 'DejaVu Sans', 'font.size': 10, 'axes.spines.top': False, 'axes.spines.right': False}) def series(prefix, xfield, y): groups = defaultdict(list) for r in rows: if r['label'].startswith(prefix+'-'): groups[r[xfield]].append(y(r)) xs = sorted(groups) med = [statistics.median(groups[x]) for x in xs] errors = [[m-min(groups[x]) for x,m in zip(xs,med)], [max(groups[x])-m for x,m in zip(xs,med)]] return xs, med, errors def finish(fig, name, caption): fig.text(.5, .01, caption, ha='center', fontsize=8) fig.tight_layout(rect=(.035,.07,.98,.94),pad=1.5,w_pad=2) for ext in ['png','svg']: fig.savefig(OUT/(name+'.'+ext), dpi=170, bbox_inches='tight') if ext=='svg': path=OUT/(name+'.svg') path.write_text('\n'.join(line.rstrip() for line in path.read_text(encoding='utf-8').splitlines())+'\n',encoding='utf-8') plt.close(fig) fig, axes = plt.subplots(1, 2, figsize=(11,4)) for prefix, label, color in [('fixed','Суммарно 2 CPU / 1024 MiB','#2166ac'), ('growth','На реплику 0,5 CPU / 256 MiB','#d6604d')]: for ax, value in zip(axes, [lambda r:r['successful_rps'], lambda r:r['successful_latency_ms']['p95']]): x,y,e = series(prefix,'replicas',value) ax.errorbar(x,y,yerr=e,marker='o',capsize=4,label=label,color=color) ax.set_xticks([1,2,4]); ax.set_xlabel('API-реплики'); ax.grid(alpha=.2) axes[0].set_ylabel('Успешные запросы/с'); axes[1].set_ylabel('p95 успешных запросов, мс') axes[0].legend(fontsize=8) fig.suptitle('Цена масштабирования: постоянные и растущие ресурсы') finish(fig,'scaling','Медиана и диапазон трёх повторов; closed-loop, 32 клиента, прогрев 5 с, замер 20 с.') fig, axes = plt.subplots(1,2,figsize=(11,4)) for ax,value in zip(axes,[lambda r:r['successful_rps'],lambda r:r['successful_latency_ms']['p95']]): x,y,e=series('saturation','concurrency',value) ax.errorbar(x,y,yerr=e,marker='o',capsize=4,color='#2166ac'); ax.set_xscale('log',base=2) ax.set_xticks([4,16,64,128],labels=['4','16','64','128']); ax.set_xlabel('Параллельные клиенты'); ax.grid(alpha=.2) axes[0].set_ylabel('Успешные запросы/с'); axes[1].set_ylabel('p95 успешных запросов, мс') fig.suptitle('Насыщение: 4 API × 0,5 CPU, PostgreSQL 1 CPU') finish(fig,'saturation','Медиана и диапазон двух повторов; задержки ошибок не входят в p95; без повторов POST.') fig,axes=plt.subplots(1,2,figsize=(11,4)) for ax,value in zip(axes,[lambda r:r['successful_rps'],lambda r:r['successful_latency_ms']['p95']]): x,y,e=series('pool','pool_per_replica',value) ax.errorbar(x,y,yerr=e,marker='o',capsize=5,color='#1b7837'); ax.set_xticks([1,10]); ax.set_xlabel('Подключения в пуле одной API'); ax.grid(alpha=.2) axes[0].set_ylabel('Успешные запросы/с'); axes[1].set_ylabel('p95 успешных запросов, мс') fig.suptitle('Размер пула: 2 API × 1 CPU, 64 клиента') finish(fig,'pool','Три парных повтора, порядок 1/10 чередуется; PostgreSQL и профиль запросов одинаковы.') fig,axes=plt.subplots(1,2,figsize=(11,4)) for ax,value in zip(axes,[lambda r:r['successful_rps'],lambda r:r['successful_latency_ms']['p95']]): x,y,e=series('optimize','optimized_writes_requested',value) ax.errorbar(x,y,yerr=e,marker='o',capsize=5,color='#762a83') ax.set_xticks([0,1],labels=['Исходные 8 SQL','Улучшенные 6 SQL']); ax.grid(alpha=.2) axes[0].set_ylabel('Успешные запросы/с'); axes[1].set_ylabel('p95 успешных запросов, мс') fig.suptitle('Улучшение пути записи при одинаковых ресурсах') finish(fig,'optimization','Три парных повтора; 2 API × 1 CPU, пул 10 на API, 32 клиента; прогрев 5 с, замер 20 с.') with (ROOT/'evidence/research/summary.csv').open('w',newline='',encoding='utf-8') as f: writer=csv.writer(f) writer.writerow(['label','replicas','api_cpu_each','api_memory_mib_each','pool_each','concurrency','rps','errors','error_ratio','p50_ms','p95_ms','p99_ms','messages_before','messages_after']) for r in rows: writer.writerow([r['label'],r['replicas'],r['cpu_per_replica'],r['memory_mib_per_replica'],r['pool_per_replica'],r['concurrency'],round(r['successful_rps'],3),r['failed_requests'],round(r['error_ratio'],6),*[r['successful_latency_ms'][p] for p in ['p50','p95','p99']],r['database_messages_before'],r['database_messages_after']]) print('Графики PNG/SVG сохранены в evidence/figures; сводные данные — evidence/research/summary.csv.')