source: tools/perf/png.py @ 1cc7689

ADTast-experimentalenumforall-pointer-decaypthread-emulationqualifiedEnum
Last change on this file since 1cc7689 was 1cc7689, checked in by Thierry Delisle <tdelisle@…>, 3 years ago

Simple python tool to create pngs from json inputs

  • Property mode set to 100755
File size: 2.6 KB
Line 
1#!/usr/bin/python3
2
3import argparse, json, math, sys, time
4import multiprocessing
5from PIL import Image
6import numpy as np
7
8class Timed:
9        def __init__(self, text):
10                print(text, end='', flush=True)
11
12        def pretty(self, durr):
13                seconds = int(durr)
14                days, seconds = divmod(seconds, 86400)
15                hours, seconds = divmod(seconds, 3600)
16                minutes, seconds = divmod(seconds, 60)
17                if days > 0:
18                        return '%dd%dh%dm%ds' % (days, hours, minutes, seconds)
19                elif hours > 0:
20                        return '%dh%dm%ds' % (hours, minutes, seconds)
21                elif minutes > 0:
22                        return '%dm%ds' % (minutes, seconds)
23                else:
24                        return '%ds' % (seconds,)
25
26        def __enter__(self):
27                self.start = time.time()
28                return self
29
30        def __exit__(self, *args):
31                self.end = time.time()
32                print(self.pretty(self.end - self.start))
33
34
35
36parser = argparse.ArgumentParser()
37parser.add_argument('--infile', type=argparse.FileType('r'), default=sys.stdin)
38parser.add_argument('--outfile', type=str, default='out.png')
39
40args = parser.parse_args()
41
42pool = multiprocessing.Pool()
43
44with Timed("Loading json..."):
45        obj = json.load(args.infile)
46
47min_tsc = int(obj['min-tsc'])
48max_tsc = int(obj['max-tsc'])
49
50def tsc_to_s(tsc):
51        return float(tsc - min_tsc)  / 2500000000.0
52
53max_sec = tsc_to_s(max_tsc)
54print([min_tsc, max_tsc, max_sec])
55
56min_cpu = int(obj['min-cpu'])
57max_cpu = int(obj['max-cpu'])
58cnt_cpu = max_cpu - min_cpu + 1
59nbins = math.ceil(max_sec * 10)
60
61class Bar:
62        def __init__(self):
63                pass
64
65with Timed("Creating bins..."):
66        bins = []
67        for _ in range(0, int(nbins)):
68                bar = Bar()
69                bins.append([bar, *[*([0] * cnt_cpu), bar] * cnt_cpu])
70                # bins.append([0] * cnt_cpu)
71
72        bins = np.array(bins)
73
74
75
76def flatten(val):
77        secs = tsc_to_s(val[1])
78        ratio = secs / max_sec
79        b = int(ratio * (nbins - 1))
80        ## from/to
81        from_ = val[2] - min_cpu
82        to_   = val[3] - min_cpu
83        idx = int(1 + ((cnt_cpu + 1) * to_) + from_)
84        return [b, idx, 1]
85        ## val per cpu
86        # cnt = val[2]
87        # idx = val[3] - min_cpu
88        # # idx = from_
89        # return [b, idx, cnt]
90
91
92with Timed("Compressing data..."):
93        compress = map(flatten, obj['values'])
94
95highest  = 1
96with Timed("Grouping data..."):
97        for x in compress:
98                bins[x[0]][x[1]] += x[2]
99                highest = max(highest, bins[x[0]][x[1]])
100
101print(highest)
102# highest  = 10000000000
103
104with Timed("Normalizing data..."):
105        def normalize(v):
106                if type(v) is Bar:
107                        return np.uint32(0xff008000)
108                v = v * 255 / float(highest)
109                if v > 256:
110                        v = 255
111                u8 = np.uint8(v)
112                u32 = np.uint32(u8)
113
114                return (0xff << 24) | (u32 << 16) | (u32 << 8) | (u32 << 0)
115        normalizef = np.vectorize(normalize, [np.uint32])
116
117        bins = normalizef(bins)
118
119print(bins.shape)
120with Timed("Saving image..."):
121        im = Image.fromarray(bins, mode='RGBA')
122        im.show()
123        im.save(args.outfile)
Note: See TracBrowser for help on using the repository browser.