本程序用于对每条指令结束时间进行可视化,将所有指令及其运行时间排列画在一条直线上,直观地反映每条指令执行时间时间之间的差距,从而有针对性地对程序进行优化.
代码所使用的原文件来自于系统xxx验证环境的tarmac记录模块,进入xxx验证环境config目录下打开配置文件tarmac_sw开关,就能在程序跑完后在,对应目录下找到的生成的记录文件trace.simple
为了直观地反映指令的执行时间,以及各条指令执行的时间差,将上述提取到的log文件,进行可视化作图.使用python的pyecharts库,将指令的结束时间绘制在一条线上,如在同一个cycle执行了多条指令,则将其按照执行顺序由左下向右上分列显示.Echarts是一个由JavaScript实现的开源的数据可视化库,可以流畅的运行在 PC 和移动设备上,具有良好的交互性和精巧的图表设计,而pyechart则通过python代码调用Echarts来实现数据的可视化.pyechart官网地址为https://pyecharts.org/
为了保证数据可视化绘制代码的稳定性,将程序命令运行时间的trace.simple文件,提取数据并进行格式化处理,保证绘制代码输入数据的一致性.使用python脚本提取数据到csv表格中,将每条指令的pc值填入第一列,指令执行开始时间填入第二列,指令结束时间填入第三列,指令名称填入第四列.具体代码如下所示:
import csv
def pasing_data(file):
f=open(file,'r')
eachlines=f.read().splitlines()
for i in range(len(eachlines)):
if('IT'==eachlines[i].split()[2]):
row=[eachlines[i].split()[4],eachlines[i+1].split()[1].split('-')[0],eachlines[i+1].split()[1].split('-')[1],eachlines[i].split(':')[2]]
with open('2d.csv', 'a+') as file_handler:
csv.writer(file_handler).writerow(row)
if __name__ == "__main__":
file='trace_2d.simple'
pasing_data(file)作图代码分为两部分,第一部分为函数gen_ary,用来生成画图所需要的组合数据列表,首先是将csv文件的数据的第4列和第3列提取出来,添加为指令列表cmd_list和结束时间列表clk_time_end.如下代码所示:
with open(file,'r') as f:
eachline=csv.reader(f)
for num,item in enumerate(eachline):
if(num>=x and num<=y):
cmd_list.append(item[3])
clk_time_end.append(int(item[2])) 再根据不同的指令分类添加不同的颜色代码到颜色列表color_list,将STR类和LDR类操作内存的指令用红色表示;将B类跳转指令用蓝色表示;将MRS和MSR等ARM系列特有指令用黑色表示;将其他指令用绿色表示.以此在图中更直观明显地区分不同类别的指令.具体代码如下所示:
for item in cmd_list:
if('LDR' == item.split()[0] or 'STR' == item.split()[0]):
color_list.append("red")
elif('B'== item.split()[0] or 'B.GT' == item.split()[0]):
color_list.append("blue")
elif('MSR'== item.split()[0] or 'MRS'==item.split()[0]):
color_list.append("black")
else:
color_list.append("green")由于一个cycle最多同时会执行4条指令,如果不作处理,这些指令将会在绘制图中重合显示,为了以示区分,添加一个表示各个指令结束时间点相对于位置偏移量的列表offset_list(位置偏移显示,横坐标不变),通过遍历指令列表cmd_list,对于同一时间点结束的四条指令,第二个结束时间点的指令,将其向上偏移400%像素点,向右偏移5个像素点显示;第三个结束时间点的指令,将其向上偏移800%的像素点,向右偏移10个像素点来显示;第四个重合结束时间点的指令,将其向上偏移1200%像素点,向右偏移15个像素点来显示.具体代码如下所示:
for i in range(1,len(clk_time_end)):
if(clk_time_end[i]==clk_time_end[i-1] and offset_flag==0):
offset_flag+=1
offset_list.append([5,'-400%'])
elif(clk_time_end[i]==clk_time_end[i-1] and offset_flag==1):
offset_flag+=1
offset_list.append([10,'-800%'])
elif(clk_time_end[i]==clk_time_end[i-1] and offset_flag==2):
offset_flag+=1
offset_list.append([15,'-1200%'])
else:
offset_flag=0
offset_list.append([0,'-0%'])最后将cmd_list,clk_time_end,color_list,offset_list四个列表,通过pyecharts库的ScatterItem类添加至data_pair列表中,并设置显示为指令首字符.具体代码如下:
for k,v,c,f in zip(cmd_list,clk_time_end,color_list,offset_list):
data_pair.append(
opts.ScatterItem(
name=k,
value=v,
itemstyle_opts=opts.ItemStyleOpts(color=c),
symbol_offset=f,
label_opts=opts.LabelOpts(
position='top',
formatter=JsCode(
"""function(params){
var t=params.name.indexOf(',');
if(-1==t){
t=8;
}
return params.name.substring(0,t-3);
}"""
),
),
)
)第二部分代码是绘图函数draw_chart,接受两个参数,一个是数据参数,用于绘图,另一个是名称参数,用于命名.选定散点图为绘制图,散点图属于直角坐标系图表.必须添加X轴数据和Y轴数据,为了将所有的点都绘制在一条直线上,将只有一个元素的列表设置为X轴的数据,Y轴数据使用上述ScatterItem的data_pair列表;为了更好地与程序运行行为一致,使用reversal_axis()函数将X轴和Y轴的数据进行翻转,从而横向显示.之后就是一些优化显示的配置项,主要是使用DataZoomOpts区域缩放配置项来控制数据的缩放;使用TooltipOpts提示框配置项,来显示鼠标移动可查看完整指令名称的效果;通过AxisOpts坐标轴配置项来配置X轴上的分割,名称等.具体代码如下所示:
def draw_chart(data_pair,str_name) -> Scatter:
b=[' ']
c = (
Scatter(
init_opts=opts.InitOpts(bg_color='rgba(255,255,255,0.2)',
width='3100px',
height='500px',
theme="white"
),
)
.add_xaxis(b)
.add_yaxis(
series_name='s',
y_axis=data_pair,
)
.reversal_axis()
.set_global_opts(
title_opts=opts.TitleOpts(title=str_name),
xaxis_opts=opts.AxisOpts(
type_="value",
is_scale=True,
name_gap=50,
min_interval=1,
min_='dataMin',
name="clk-cycle/次",
boundary_gap=False,
split_number=200,
axisline_opts=opts.AxisLineOpts(
is_on_zero=False,
symbol=['none', 'arrow'],
),
axistick_opts=opts.AxisTickOpts(
is_show=True,
is_alig
8AE1
n_with_label=True,
),
splitline_opts=opts.SplitLineOpts(
is_show=True,
linestyle_opts=opts.LineStyleOpts(
),
),
axislabel_opts=opts.LabelOpts(
is_show=True
),
),
tooltip_opts=opts.TooltipOpts(
formatter=JsCode(
"""function(params){
if ('name' in params) {
var s1=params.name+'<br/>';
}
return s1;
}"""
),
),
datazoom_opts=[
opts.DataZoomOpts(
is_show=False,
type_="inside",
),
opts.DataZoomOpts(
is_show=True,
type_="slider",
),
],
legend_opts=opts.LegendOpts(is_show=False),
)
.render('test.html')
)通过调用此函数生成html文件,使用浏览器打开此html文件即可看到绘制的图表,具体效果如下图所示.
此处注意打开此html文件需要联网,因为生成的html文件调用了在线网址[https://assets.pyecharts.org/assets/echarts.min.js]的资源,为了实现离线访问,将js代码下载下来,更改生成的html文件中调用js文件的路径即可.此步骤用python函数sub_char实现,代码具体如下:
def sub_char(str_name):
f=open(str_name,'r')
alllines=f.readlines()
f.close()
f=open(str_name,'w+')
for eachline in alllines:
a=re.sub('https://assets.pyecharts.org/assets/echarts.min.js','echarts.min.js',eachline)
f.writelines(a)
f.close() 为了提升网页的利用效率,将两个主要的不同程序数据同时绘制在一个网页里面,方便进行对比.使用组合图表中的page顺序多图,将两张图表顺序显示,只需要在上述绘制函数draw_chart后面加一个返回值,并将其按顺序添加进page.add()的参数列表中即可.具体代码如下所示:
def page_default_layout():
page = Page()
page.add(
bar_datazoom_slider(),
line_markpoint(),
pie_rosetype(),
grid_mutil_yaxis(),
liquid_data_precision(),
table_base(),
)
page.render("page_default_layout.html")至此指令运行数据的可视化工作已经全部完成.
直接在命令行调用python程序并添加所需要的三个参数即可,file参数表示需要打开的文件,即要进行可视化的文件;start参数表示画图的起始指令的位置,即指令在格式化文件中出现的行数;length表示需要对多少条指令进行可视化.调用代码如下所示,调用之后程序会在当前目录生成一个*.csv的指令格式化文件,一个*.html的指令可视化网页文件,并自动调用firefox浏览器打开此网页绘图,如用户没有安装firefox,也可使用其他浏览器手动打开此网页文件.
python3 test.py -f file -s start -l lengthpip 安装 安装 v1 以上版本
pip install pyecharts -U如果需要安装 0.5.11 版本的开发者，可以使用
$ pip install pyecharts==0.5.11源码安装 安装 v1 以上版本
git clone https://github.com/pyecharts/pyecharts.git如果需要安装 0.5.11 版本，请使用
git clone https://github.com/pyecharts/pyecharts.git -b v05x
cd pyecharts
pip install -r requirements.txt
python setup.py install