统计ES性能的python脚本

简介:

思路:通过http请求获取es集群中某一index的索引docs数目变化来进行ES性能统计

复制代码
import time
from datetime import datetime
import urllib2

def get_docs(data_type, today):
    # curl '192.168.3.153:9200/_cat/indices/metadata-dis-2017.05.16-*-93001?v'
    url = 'http://192.168.3.153:9200/_cat/indices/%s-dis-%s-*' % (data_type, today)
    out = urllib2.urlopen(urllib2.Request(url))
    data = out.read()
    docs_cnt = 0
    for line in data.split('\n'):
        if line:
            docs_cnt += int(line.split()[5])
    return docs_cnt


def main():
    today = datetime.now().strftime("%Y.%m.%d")
    init_data = {"event": 0, "metadata": 0}
    docs_cnt, docs_cnt2, total_speed = dict(init_data), dict(init_data), dict(init_data)
    data_types = docs_cnt.keys()
    cnt = 0
    sleepy_time = 20
    for data_type in data_types:
        try:
            got_doc_cnt = get_docs(data_type, today)
        except:
            got_doc_cnt = docs_cnt[data_type]
        docs_cnt[data_type] = got_doc_cnt
    while True:
        time.sleep(sleepy_time)
        for data_type in data_types:
            try:
                got_doc_cnt = get_docs(data_type, today)
            except:
                got_doc_cnt = docs_cnt[data_type]
            docs_cnt2[data_type] = got_doc_cnt
        cnt += 1
        for data_type in data_types:
            speed = (docs_cnt2[data_type]-docs_cnt[data_type])/(sleepy_time+0.0)
            total_speed[data_type] += speed
            print "cnt=%d %s speed = %.1f total_speed=%.1f" % (cnt, data_type, speed, total_speed[data_type]/cnt)
        docs_cnt = dict(docs_cnt2)
        
if __name__ == "__main__":
    main()
复制代码

 












本文转自张昺华-sky博客园博客,原文链接:http://www.cnblogs.com/bonelee/p/6860144.html,如需转载请自行联系原作者

相关文章
|
19天前
|
存储 缓存 算法
优化Python代码性能的7个技巧
在日常的Python开发中,优化代码性能是一个重要的课题。本文介绍了7个实用的技巧,帮助开发者提高Python代码的执行效率,包括利用生成器表达式、使用适量的缓存、避免不必要的循环等。通过本文的指导,读者可以更好地理解Python代码性能优化的方法,提升自身的编程水平。
|
2天前
|
算法 Java 编译器
优化Python代码性能的实用技巧
提高Python代码性能是每个开发者的关注焦点之一。本文将介绍一些实用的技巧和方法,帮助开发者优化他们的Python代码,提升程序的执行效率和性能。
|
3天前
|
Python Perl
LabVIEW调用Perl和Python脚本
LabVIEW调用Perl和Python脚本
|
5天前
|
缓存 人工智能 算法
编写高效的Python脚本:性能优化的策略与技巧
编写高效的Python脚本需要综合考虑多个方面,包括代码结构、数据结构和算法选择等。本文将探讨在Python编程中提高脚本性能的方法,包括优化数据结构、选择合适的算法、使用Python内置函数以及通过并行和异步编程提升效率。这些技巧旨在帮助开发者在不同应用场景中编写出高性能的Python代码。
|
6天前
|
消息中间件 程序员 调度
Python并发编程:利用多线程提升程序性能
本文探讨了Python中的并发编程技术,重点介绍了如何利用多线程提升程序性能。通过分析多线程的原理和实现方式,以及线程间的通信和同步方法,读者可以了解如何在Python中编写高效的并发程序,提升程序的执行效率和响应速度。
|
6天前
|
缓存 并行计算 Serverless
优化Python代码性能的5个技巧
在日常Python编程中,代码性能的优化是一个重要的议题。本文介绍了5个实用的技巧,帮助你提高Python代码的执行效率,包括使用适当的数据结构、优化循环结构、利用内置函数、使用生成器表达式以及并行化处理。通过这些技巧,你可以更高效地编写Python代码,提升程序的性能和响应速度。
|
14天前
|
机器学习/深度学习 算法 Python
【Python 机器学习专栏】随机森林算法的性能与调优
【4月更文挑战第30天】随机森林是一种集成学习方法,通过构建多棵决策树并投票或平均预测结果,具有高准确性、抗过拟合、处理高维数据的能力。关键性能因素包括树的数量、深度、特征选择和样本大小。调优方法包括调整树的数量、深度,选择关键特征和参数优化。Python 示例展示了使用 GridSearchCV 进行调优。随机森林广泛应用于分类、回归和特征选择问题,是机器学习中的重要工具。
|
16天前
|
存储 网络安全 数据安全/隐私保护
【专栏】Python 网络设备管理中,`ConnectHandler`(Paramiko库)和`telnetlib`模块常用于设备交互。
【4月更文挑战第28天】Python 网络设备管理中,`ConnectHandler`(Paramiko库)和`telnetlib`模块常用于设备交互。`ConnectHandler`简化SSH连接,便于与网络设备交互,而`telnetlib`是Python内置模块,支持Telnet协议的远程登录操作。两者都提供命令执行和响应接收功能。示例代码展示了如何使用它们获取防火墙设备的版本信息,降低了代码复杂度,提高了可读性和维护性。
|
16天前
|
网络安全 数据安全/隐私保护 Python
【专栏】如何使用 Python 编写脚本批量备份交换机配置
【4月更文挑战第28天】本文介绍如何使用 Python 编写脚本批量备份交换机配置。主要步骤包括了解交换机命令和接口,安装 `paramiko` 库,获取交换机登录信息。脚本实现分为建立 SSH 连接,执行备份命令并保存结果。示例脚本中,定义了 `backup_switch_config` 函数遍历交换机列表进行备份,每次备份后等待一段时间。此方法能有效提高网络管理效率。
|
16天前
|
存储 算法 搜索推荐
如何提升Python代码的性能:优化技巧与实践
本文将介绍如何通过优化技巧和实践方法来提升Python代码的性能。从避免不必要的循环和函数调用,到利用内置函数和库,再到使用适当的数据结构和算法,我们将深入探讨各种提升Python代码性能的方法,帮助开发者写出更高效的程序。