tools/fio_jsonplus_clat2csv

   1 #!/usr/bin/python
   2 #
   3 # fio_jsonplus_clat2csv
   4 #
   5 # This script converts fio's json+ completion latency data to CSV format.
   6 #
   7 # For example:
   8 #
   9 # Run the following fio jobs:
  10 # ../fio --output=fio-jsonplus.output --output-format=json+ --name=test1
  11 #       --ioengine=null --time_based --runtime=5s --size=1G --rw=randrw
  12 #       --name=test2 --ioengine=null --time_based --runtime=3s --size=1G
  13 #       --rw=read --name=test3 --ioengine=null --time_based --runtime=4s
  14 #       --size=8G --rw=write
  15 #
  16 # Then run:
  17 # fio_jsonplus_clat2csv fio-jsonplus.output fio-latency.csv
  18 #
  19 # You will end up with the following 3 files
  20 #
  21 # -rw-r--r-- 1 root root  6467 Jun 27 14:57 fio-latency_job0.csv
  22 # -rw-r--r-- 1 root root  3985 Jun 27 14:57 fio-latency_job1.csv
  23 # -rw-r--r-- 1 root root  4490 Jun 27 14:57 fio-latency_job2.csv
  24 #
  25 # fio-latency_job0.csv will look something like:
  26 #
  27 # clat_nsec, read_count, read_cumulative, read_percentile, write_count,
  28 #       write_cumulative, write_percentile, trim_count, trim_cumulative,
  29 #       trim_percentile,
  30 # 25, 1, 1, 1.50870705013e-07, , , , , , ,
  31 # 26, 12, 13, 1.96131916517e-06, 947, 947, 0.000142955890032, , , ,
  32 # 27, 843677, 843690, 0.127288105112, 838347, 839294, 0.126696959629, , , ,
  33 # 28, 1877982, 2721672, 0.410620573454, 1870189, 2709483, 0.409014312345, , , ,
  34 # 29, 4471, 2726143, 0.411295116376, 7718, 2717201, 0.410179395301, , , ,
  35 # 30, 2142885, 4869028, 0.734593687087, 2138164, 4855365, 0.732949340025, , , ,
  36 # ...
  37 # 2544, , , , 2, 6624404, 0.999997433738, , , ,
  38 # 2576, 3, 6628178, 0.99999788781, 4, 6624408, 0.999998037564, , , ,
  39 # 2608, 4, 6628182, 0.999998491293, 4, 6624412, 0.999998641391, , , ,
  40 # 2640, 3, 6628185, 0.999998943905, 2, 6624414, 0.999998943304, , , ,
  41 # 2672, 1, 6628186, 0.999999094776, 3, 6624417, 0.999999396174, , , ,
  42 # 2736, 1, 6628187, 0.999999245646, 1, 6624418, 0.99999954713, , , ,
  43 # 2768, 2, 6628189, 0.999999547388, 1, 6624419, 0.999999698087, , , ,
  44 # 2800, , , , 1, 6624420, 0.999999849043, , , ,
  45 # 2832, 1, 6628190, 0.999999698259, , , , , , ,
  46 # 4192, 1, 6628191, 0.999999849129, , , , , , ,
  47 # 5792, , , , 1, 6624421, 1.0, , , ,
  48 # 10304, 1, 6628192, 1.0, , , , , , ,
  49 #
  50 # The first line says that you had one read IO with 25ns clat,
  51 # the cumulative number of read IOs at or below 25ns is 1, and
  52 # 25ns is the 0.00001509th percentile for read latency
  53 #
  54 # The job had 2 write IOs complete in 2544ns,
  55 # 6624404 write IOs completed in 2544ns or less,
  56 # and this represents the 99.99974th percentile for write latency
  57 #
  58 # The last line says that one read IO had 10304ns clat,
  59 # 6628192 read IOs had 10304ns or shorter clat, and
  60 # 10304ns is the 100th percentile for read latency
  61 #
  62
  63 import os
  64 import json
  65 import argparse
  66
  67
  68 def parse_args():
  69     parser = argparse.ArgumentParser()
  70     parser.add_argument('source',
  71                         help='fio json+ output file containing completion '
  72                              'latency data')
  73     parser.add_argument('dest',
  74                         help='destination file stub for latency data in CSV '
  75                              'format. job number will be appended to filename')
  76     args = parser.parse_args()
  77
  78     return args
  79
  80
  81 def percentile(idx, run_total):
  82     total = run_total[len(run_total)-1]
  83     if total == 0:
  84         return 0
  85
  86     return float(run_total[idx]) / total
  87
  88
  89 def more_lines(indices, bins):
  90     for key, value in indices.iteritems():
  91         if value < len(bins[key]):
  92             return True
  93
  94     return False
  95
  96
  97 def main():
  98     args = parse_args()
  99
 100     with open(args.source, 'r') as source:
 101         jsondata = json.loads(source.read())
 102
 103     for jobnum in range(0, len(jsondata['jobs'])):
 104         bins = {}
 105         run_total = {}
 106         ddir_set = set(['read', 'write', 'trim'])
 107
 108         prev_ddir = None
 109         for ddir in ddir_set:
 110             bins[ddir] = [[int(key), value] for key, value in
 111                           jsondata['jobs'][jobnum][ddir]['clat_ns']
 112                           ['bins'].iteritems()]
 113             bins[ddir] = sorted(bins[ddir], key=lambda bin: bin[0])
 114
 115             run_total[ddir] = [0 for x in range(0, len(bins[ddir]))]
 116             if len(bins[ddir]) > 0:
 117                 run_total[ddir][0] = bins[ddir][0][1]
 118                 for x in range(1, len(bins[ddir])):
 119                     run_total[ddir][x] = run_total[ddir][x-1] + \
 120                         bins[ddir][x][1]
 121
 122         stub, ext = os.path.splitext(args.dest)
 123         outfile = stub + '_job' + str(jobnum) + ext
 124
 125         with open(outfile, 'w') as output:
 126             output.write("clat_nsec, ")
 127             ddir_list = list(ddir_set)
 128             for ddir in ddir_list:
 129                 output.write("{0}_count, {0}_cumulative, {0}_percentile, ".
 130                              format(ddir))
 131             output.write("\n")
 132
 133 #
 134 # Have a counter for each ddir
 135 # In each round, pick the shortest remaining duration
 136 # and output a line with any values for that duration
 137 #
 138             indices = {x: 0 for x in ddir_list}
 139             while more_lines(indices, bins):
 140                 min_lat = 17112760320
 141                 for ddir in ddir_list:
 142                     if indices[ddir] < len(bins[ddir]):
 143                         min_lat = min(bins[ddir][indices[ddir]][0], min_lat)
 144
 145                 output.write("{0}, ".format(min_lat))
 146
 147                 for ddir in ddir_list:
 148                     if indices[ddir] < len(bins[ddir]) and \
 149                        min_lat == bins[ddir][indices[ddir]][0]:
 150                         count = bins[ddir][indices[ddir]][1]
 151                         cumulative = run_total[ddir][indices[ddir]]
 152                         ptile = percentile(indices[ddir], run_total[ddir])
 153                         output.write("{0}, {1}, {2}, ".format(count,
 154                                      cumulative, ptile))
 155                         indices[ddir] += 1
 156                     else:
 157                         output.write(", , , ")
 158                 output.write("\n")
 159
 160             print "{0} generated".format(outfile)
 161
 162
 163 if __name__ == '__main__':
 164     main()