python里histogram模块_Python hdrhistogram包_程序模块 - PyPI - Python中文网

python api

此库的用户通常可以扮演两个角色(通常都是)：将值记录到一个或多个直方图中(直方图设置)

分析并显示直方图内容和特征(直方图查询)

在分布式情况下，可以远程(可能在多个位置)配置直方图，然后

集中在一个中心位置进行分析。

可以使用hdrhistogram类创建直方图实例，并指定

最小和最大可跟踪值以及所需的精度位数。

例如，创建一个直方图，可以计算[1..3600000]范围内的值，并且

1%精度(例如，跟踪范围[1毫秒..1小时]内的延迟)：histogram = HdrHistogram(1, 60 * 60 * 1000, 2)

默认情况下，计数器为64位，而可以指定16位或32位计数器(字大小

选项设置为2或4字节)。

请注意，此版本中未测试计数器溢出，因此在使用

较小的柜台尺寸。

创建后，很容易将值添加到直方图中：histogram.record_value(latency)

如果生成值的代码有协调省略，

使用该方法的正确版本(例如，当预期间隔为

10毫秒)：histogram.record_corrected_value(latency, 10)

在任何时候，都可以查询直方图以返回任何属性，例如

记录的值总数或给定百分比的值：count = histogram.get_total_count()

value = histogram.get_value_at_percentile(99.9)

记录的值可以使用记录的迭代器进行迭代：for item in histogram.get_recorded_iterator():

print('value=%f count=%d percentile=%f' %

item.value_iterated_to,

item.count_added_in_this_iter_step,

item.percentile)

可通过调用压缩方法生成编码/压缩直方图：encoded_histogram = histogram.encode()

接收时，压缩直方图可以从编码字符串中解码：decoded_histogram = HdrHistogram.decode(encoded_histogram)

count = decoded_histogram.get_total_count()

在聚合的情况下，可以使用decode_和_add方法：aggregation_histogram.decode_and_add(encoded_histogram)

如果要以标准表格格式打印直方图：histogram.output_percentile_distribution(file, scaling_ratio)

有关如何使用API的其他帮助：浏览python代码并查看comment部分中每个方法的api文档(如果可用)

最好的文档是查看测试目录下的测试代码

测试代码(https://github.com/hdrhistogram/hdrhistogram_py/blob/master/test/test_hdrhistogram.py" rel="nofollow">https://github.com/hdrhistogram/hdrhistogram_py/blob/master/test/test_hdrhistogram.py)几乎涵盖了每个api。