python 画多盘的写放大曲线方法

在服务器测试中我们经常会遇见客户要求画出每个SSD的WAF曲线，也就是写放大，通常的做法就是我们每隔10分钟记录一下每个SSD的host写入量和nand写入量，下面我们介绍一下python处理多盘的WAF的做法
如图所示 假设这是一个记录多盘的写入量信息的表格
我们最终的目的是生成对应的每个SSD的WAF的图品，那么该如何简单快速的实现呢？
第一步，就是把第一列的disk分组。这里让pandan帮忙处理

import pandas as pd
from matplotlib import pyplot as plt

# 读取CSV文件
df = pd.read_excel('waaaf.xls')
# 按照 disk 列分组
grouped = df.groupby('disk')

# 创建一个字典来存储每个 disk 的 WAF 值
waf_dict = {}

# 计算每个 disk 的 WAF 值
for name, group in grouped:
    waf_values = []
    print('----------', name)

结果如下：

C:\Users\13737\AppData\Local\Programs\Python\Python312\python.exe D:/python_pro/chap1/waf.py
---------- nvme0
---------- nvme1
---------- nvme2

进程已结束，退出代码为 0

第二步，就是把每个disk的WAF计算出来，并且存放在字典里

import pandas as pd
from matplotlib import pyplot as plt

# 读取CSV文件
df = pd.read_excel('waaaf.xls')
# 按照 disk 列分组
grouped = df.groupby('disk')

# 创建一个字典来存储每个 disk 的 WAF 值
waf_dict = {}

# 计算每个 disk 的 WAF 值
for name, group in grouped:
    waf_values = []

    # 按照索引计算相邻行的 WAF
    for i in range(1, len(group)):
        # 当前行和前一行的 nand 和 host 值
        nand_diff = group.iloc[i]['nand'] - group.iloc[i - 1]['nand']
        host_diff = group.iloc[i]['host'] - group.iloc[i - 1]['host']

        # 计算 WAF
        if host_diff != 0:
            waf = nand_diff / host_diff
            formatted_waf = format(waf, '.2f')
            waf_values.append(formatted_waf)

    # 将 WAF 值存储到字典中
    waf_dict[name] = waf_values

# 打印 WAF 值
for disk, wafs in waf_dict.items():
    print(f"Disk: {disk}")
    print(f"WAF Values: {wafs}")

运行结果如下:

Disk: nvme0
WAF Values: ['1.11', '0.45', '1.14', '2.67', '1.00']
Disk: nvme1
WAF Values: ['0.50', '0.55', '1.44', '1.78', '9.50']
Disk: nvme2
WAF Values: ['0.60', '1.75', '0.85', '2.00', '1.87']

第三步，就是把这个字典生成对应的每个SSD的CSV文件

import pandas as pd
from matplotlib import pyplot as plt

# 读取CSV文件
df = pd.read_excel('waaaf.xls')
# 按照 disk 列分组
grouped = df.groupby('disk')

# 创建一个字典来存储每个 disk 的 WAF 值
waf_dict = {}

# 计算每个 disk 的 WAF 值
for name, group in grouped:
    waf_values = []

    # 按照索引计算相邻行的 WAF
    for i in range(1, len(group)):
        # 当前行和前一行的 nand 和 host 值
        nand_diff = group.iloc[i]['nand'] - group.iloc[i - 1]['nand']
        host_diff = group.iloc[i]['host'] - group.iloc[i - 1]['host']

        # 计算 WAF
        if host_diff != 0:
            waf = nand_diff / host_diff
            formatted_waf = format(waf, '.2f')
            waf_values.append(formatted_waf)

    # 将 WAF 值存储到字典中
    waf_dict[name] = waf_values

# 打印 WAF 值
for disk, wafs in waf_dict.items():
    print(f"Disk: {disk}")
    print(f"WAF Values: {wafs}")
    for disk_waf in wafs:
        print(disk_waf)
        with open(f'{disk}.csv', 'a') as file:
            file.write(f'{str(disk_waf)}\n')

运行会生成对应的每个SSD的CSV文件
第四步把每个对应CSV表格转化成图片就可以啦

import pandas as pd
from matplotlib import pyplot as plt

# 读取CSV文件
df = pd.read_excel('waaaf.xls')
# 按照 disk 列分组
grouped = df.groupby('disk')

# 创建一个字典来存储每个 disk 的 WAF 值
waf_dict = {}

# 计算每个 disk 的 WAF 值
for name, group in grouped:
    waf_values = []

    # 按照索引计算相邻行的 WAF
    for i in range(1, len(group)):
        # 当前行和前一行的 nand 和 host 值
        nand_diff = group.iloc[i]['nand'] - group.iloc[i - 1]['nand']
        host_diff = group.iloc[i]['host'] - group.iloc[i - 1]['host']

        # 计算 WAF
        if host_diff != 0:
            waf = nand_diff / host_diff
            formatted_waf = format(waf, '.2f')
            waf_values.append(formatted_waf)

    # 将 WAF 值存储到字典中
    waf_dict[name] = waf_values

# 打印 WAF 值
for disk, wafs in waf_dict.items():
    print(f"Disk: {disk}")
    print(f"WAF Values: {wafs}")
    for disk_waf in wafs:
        print(disk_waf)
        with open(f'{disk}.csv', 'a') as file:
            file.write(f'{str(disk_waf)}\n')
for disk in waf_dict.keys():
    data = pd.read_csv(f"{disk}.csv")
    fig = plt.figure(figsize=(10, 6), dpi=300)
    y1 = data.iloc[:, 0]
    plt.xlabel(u'time (10min)', size=10)
    plt.ylabel("WAF")
    plt.plot(y1, label='WAF')
    plt.title(f"{disk}_waf")
    plt.grid(alpha=0.4)
    plt.xlim(xmin=0)
    plt.ylim(ymin=0)
    plt.savefig(str(disk) + ".png")

图片如下: