In wfjsg/WinPerfCounter.r: Read Windows Performance Counter CSV
library(WinPerfCounter)
library(ggplot2)
library(ggthemes)
library(cowplot)
library(formattable)
library(tibble)
library(knitr)
time.lap = list()
time.lap <- c(time.lap, list(first = proc.time()))
chunk.lap <<- list()
knitr::knit_hooks$set(chunk_lap = function(before, options, envir){
if( before ){
chunk.lap[[options$label]] <<- proc.time()
}else{
chunk.lap[[options$label]] <<- proc.time() - chunk.lap[[options$label]]
my <- chunk.lap[[options$label]]
}
})
knitr::opts_chunk$set(echo = FALSE, warning=FALSE, fig.width=12, fig.height=8, chunk_lap = TRUE)
dataRaw <- WinPerfCounter.readcsv(params$csvfile)
gpu.list <- WinPerfCounter::listup_gpu_engine(dataRaw)
time.lap <- c(time.lap, list(read = proc.time()))
# --------------------------
# CPUの論理コア数と搭載メモリ量、システム全体に書くメモリ量
plotConfig <- list(
cpucore = 8,
memory = 8,
memory.chartlimit = 32,
process = list(
'python' = list(
cpu.scale.auto = TRUE, cpu.min = 0, cpu.max = 100,
memory.scale.auto = TRUE, memory.min = 0, memory.max = 0.25,
iops.scale.auto = TRUE, iops.min = 0, iops.max = 600,
iobytes.scale.auto = TRUE, iobytes.min = 0, iobytes.max = 600),
'Python#1' = list(
cpu.scale.auto = TRUE, cpu.min = 0, cpu.max = 10,
memory.scale.auto = TRUE, memory.min = 0, memory.max = 1,
iops.scale.auto = TRUE, iops.min = 0, iops.max = 600,
iobytes.scale.auto = TRUE, iobytes.min = 0, iobytes.max = 600)
),
eventVerticalLines = as.POSIXct(format="%Y/%m/%d %H:%M:%OS", as.character(c(
# ))),
"2018/01/07 21:07:00",
"2018/01/07 21:10:20"))),
eventRange = as.POSIXct(format="%Y/%m/%d %H:%M:%OS", as.character(c(
# )))
"2018/01/07 21:07:05", "2018/01/07 21:09:00",
"2018/01/07 21:12:00", "2018/01/07 21:12:30")))
)
# 時間で絞り込む。
viewLimit <- FALSE
viewStart <- as.POSIXct("2018/01/07 21:08:00 JST")
viewEnd <- as.POSIXct("2018/01/07 21:10:00 JST")
# リサンプリングする間隔。FALSEだとリサンプリングしない
# resampleInterval <- "minute"
resampleInterval <- FALSE
time.lap <- c(time.lap, list(Configure= proc.time()))
# --------------------------
# 関心のある時間帯に絞る
rawStart <- min(dataRaw$Timestamp)
rawEnd <- max(dataRaw$Timestamp)
duration <- rawEnd - rawStart
if( viewLimit ){
data <- dataRaw %>% dplyr::filter(Timestamp >= viewStart & Timestamp <= viewEnd)
viewDuration = viewEnd - viewStart
time.lap <- c(time.lap, list(TimestampLimit = proc.time()))
}else{
data <- dataRaw
viewStart <- rawStart
viewEnd <- rawEnd
}
plotConfig$viewStart <- viewStart
plotConfig$viewEnd <- viewEnd
Summary
{
print(paste("StartDate : ", rawStart))
print(paste("EndDate : ", rawEnd))
print(paste("DataPoints: ", nrow(dataRaw)))
print(paste("Duration : ", duration, units(duration)))
if( viewLimit ){
print(paste("viewLimit:", viewLimit))
print(paste("ViewStart:", viewStart))
print(paste("ViewEnd :", viewEnd))
print(paste("ViewDuration: ", viewDuration, units(viewDuration)))
}else{
print(paste("Start and End No-Limit"))
}
if( resampleInterval == FALSE){
print(paste("Resampling: Disabled"))
}else{
print(paste("Resampling: ", resampleInterval))
}
}
Total
cpu <- WinPerfCounter.Metric.CPU(data, resampleInterval)
cpu_chart <- ggplot(cpu, aes(x=Timestamp, y=value)) + ggtitle("System CPU")
cpu_chart <- WinPerfCounter.DecorateForEvent(cpu_chart, plotConfig)
cpu_chart <- cpu_chart + geom_point(aes(colour = metric), alpha = 0.7)
cpu_chart <- cpu_chart + xlim(c(plotConfig$viewStart, plotConfig$viewEnd))
cpu_chart <- cpu_chart + ylim(0.0, 100.0)
cpu_chart <- cpu_chart + theme_gray()
memory <- WinPerfCounter.Metric.Memory(data, resampleInterval)
memory_chart <- ggplot(memory, aes(x = Timestamp, y=valueInGB)) + ggtitle("System Memory")
memory_chart <- WinPerfCounter.DecorateForEvent(memory_chart, plotConfig)
memory_chart <- memory_chart + geom_hline(
yintercept = plotConfig$memory, linetype="dashed", colour="blue")
memory_chart <- memory_chart + annotate("text", label=paste(plotConfig$memory, "GB Installed"),
x=viewStart, y=plotConfig$memory, hjust = 0.0, vjust = -0.5)
memory_chart <- memory_chart + geom_point(aes(colour = metric), alpha = 0.7)
memory_chart <- memory_chart + xlim(plotConfig$viewStart, plotConfig$viewEnd)
memory_chart <- memory_chart + ylim(0, plotConfig$memory.chartlimit)
memory_chart <- memory_chart + theme_gray()
Summary(CPU)
statistics <- WinPerfCounter.summary(cpu)
WinPerfCounter.formattable(statistics)
Summary(Memory)[GB]
statistics <- WinPerfCounter.summaryInGB(memory)
WinPerfCounter.formattable(statistics)
Chart
plot_grid(cpu_chart, memory_chart, ncol=1, align="v")
time.lap <- c(time.lap, list(procTotal = proc.time()))
GPU
gpu_compute <- list()
gpu_compute[[1]] <- WinPerfCounter.Metric.GPU.UtilizationPercentage(data, resampleInterval, gpu.list[[1]])
gpu_compute[[2]] <- WinPerfCounter.Metric.GPU.UtilizationPercentage(data, resampleInterval, gpu.list[[2]])
gpu_memory <- list()
gpu_memory[[1]] <- WinPerfCounter.Metric.GPU_Memory(data, resampleInterval, gpu.list[1])
gpu_memory[[2]] <- WinPerfCounter.Metric.GPU_Memory(data, resampleInterval, gpu.list[2])
GPU1 Computing & Memory Usage[MB]
statistics <- WinPerfCounter.summary(gpu_compute[[1]])
WinPerfCounter.formattable(statistics)
statistics <- WinPerfCounter.summaryInMB(gpu_memory[[1]])
WinPerfCounter.formattable(statistics)
GPU2 Computing & Memory [MB]
statistics <- WinPerfCounter.summary(gpu_compute[[2]])
WinPerfCounter.formattable(statistics)
statistics <- WinPerfCounter.summaryInMB(gpu_memory[[2]])
WinPerfCounter.formattable(statistics)
Chart
gpu_computing_p <- list()
gpu_computing_p[[1]] <- WinPerfCounter.System.DrawGpuCompute(gpu_compute[[1]], plotConfig, gpu.list[1])
gpu_computing_p[[2]] <- WinPerfCounter.System.DrawGpuCompute(gpu_compute[[2]], plotConfig, gpu.list[2])
plot_grid(gpu_computing_p[[1]], gpu_computing_p[[2]], ncol=1, align="v")
gpu_memory_p <- list()
gpu_memory_p[[1]] <- WinPerfCounter.System.DrawGpuMemory(gpu_memory[[1]], plotConfig, gpu.list[1])
gpu_memory_p[[2]] <- WinPerfCounter.System.DrawGpuMemory(gpu_memory[[2]], plotConfig, gpu.list[2])
plot_grid(gpu_memory_p[[1]], gpu_memory_p[[2]], ncol=1, align="v")
Process(Python)
processName <- "python"
p.cpu <- WinPerfCounter.Process.Metric.CPU(data, processName, resampleInterval)
cpu_chart <- WinPerfCounter.Process.PlotCPU(p.cpu, plotConfig, processName)
p.memory <- WinPerfCounter.Process.Metric.Memory(data, processName, resampleInterval)
memory_chart <- WinPerfCounter.Process.PlotMemory(p.memory, plotConfig, processName)
p.iops <- WinPerfCounter.Process.Metric.IOPS(data, processName, resampleInterval)
iops_chart <- WinPerfCounter.Process.PlotIOPS(p.iops, plotConfig, processName)
p.iobytes <- WinPerfCounter.Process.Metric.IOBytes(data, processName, resampleInterval)
iobytes_chart <- WinPerfCounter.Process.PlotIOBytes(p.iobytes, plotConfig, processName)
Summary(CPU)
statistics <- WinPerfCounter.summary(p.cpu)
WinPerfCounter.formattable(statistics)
Summary(Memory)[GB]
statistics <- WinPerfCounter.summaryInGB(p.memory)
WinPerfCounter.formattable(statistics)
Summary(IOPS)
statistics <- WinPerfCounter.summary(p.iops)
WinPerfCounter.formattable(statistics)
Summary(IO MegaByte/s)
statistics <- WinPerfCounter.summaryInMB(p.iobytes)
WinPerfCounter.formattable(statistics)
Chart
plot_grid(cpu_chart, memory_chart, iops_chart, iobytes_chart, ncol=1, align="v")
time.lap <- c(time.lap, list(process1 = proc.time()))
Process(Python#1)
processName <- "python"
p.cpu <- WinPerfCounter.Process.Metric.CPU(data, processName, resampleInterval)
cpu_chart <- WinPerfCounter.Process.PlotCPU(p.cpu, plotConfig, processName)
p.memory <- WinPerfCounter.Process.Metric.Memory(data, processName, resampleInterval)
memory_chart <- WinPerfCounter.Process.PlotMemory(p.memory, plotConfig, processName)
p.iops <- WinPerfCounter.Process.Metric.IOPS(data, processName, resampleInterval)
iops_chart <- WinPerfCounter.Process.PlotIOPS(p.iops, plotConfig, processName)
p.iobytes <- WinPerfCounter.Process.Metric.IOBytes(data, processName, resampleInterval)
iobytes_chart <- WinPerfCounter.Process.PlotIOBytes(p.iobytes, plotConfig, processName)
Summary(CPU)
statistics <- WinPerfCounter.summary(p.cpu)
WinPerfCounter.formattable(statistics)
Summary(Memory)[GB]
statistics <- WinPerfCounter.summaryInGB(p.memory)
WinPerfCounter.formattable(statistics)
Summary(IOPS)
statistics <- WinPerfCounter.summary(p.iops)
WinPerfCounter.formattable(statistics)
Summary(IO MegaByte/s)
statistics <- WinPerfCounter.summaryInMB(p.iobytes)
WinPerfCounter.formattable(statistics)
Chart
plot_grid(cpu_chart, memory_chart, iops_chart, iobytes_chart, ncol=1, align="v")
time.lap <- c(time.lap, list(process2 = proc.time()))
Means of Metrics
CPU
% Processor Time
いわゆるCPU使用率。System全体の場合には最大100%で、プロセスごとの場合にはコア数×100%が最大です。
% User Time & % Privileged Time
それぞれユーザーモードと特権モードで実行されたプロセッサ時間。Priviledged Time が User Timeの15%を超える場合、ディスクアレイがボトルネックである可能性がある。25%を超えるなら、可能性が高い。
Memory
Available Bytes
プロセスへ割り当て、もしくはシステムにすぐに利用できる物理メモリのサイズを示します。スタンバイ（キャッシュ済み）、空き、ゼロページの一覧にあるメモリの合計です。
Committed Bytes
コミットされた仮想メモリのサイズをバイト数で表示します。コミット メモリは、領域がディスク ページング ファイルに予約されている物理メモリです。各物理ドライブにはページング ファイルが 1 つ以上あります。このカウンターは、平均値ではなく最新の監視値のみを表示します。
Committed Limit
ページファイルを拡張せずにコミットできる仮想メモリの合計値です。
Virtual Bytes
プロセスが保持する仮想メモリの総量を示します。メモリマップされたファイル(共有DLLも)や、ページアウトされたデータも含みます。
Private Bytes
プロセスが要求した仮想メモリ量ですが、メモリマップされたファイルを 含みません 。 物理メモリに張り付いているメモリ量ではなく、ページアウトされたメモリを含みます。
Working Set
現在のプロセスが参照する 物理メモリ の総量です。private bytesと違い、メモリマップされたファイル等各種のリソースを含みます。タスクマネージャの Memory Usage で表示されるものと同等です。
ページアウトされたメモリは 含みません 。ページフォルトなしで参照可能なメモリ量を示します。
IO Read Operations/sec, IO Write Operations/sec & ～ Byte/s
- プロセスが行った IOPS を表します。
- ネットワーク / ディスクなどを区別できません。
- メモリは含みません。
- Otherは、読み込みと書き込み以外（制御）などを表します。
※なお元データの「IO Data Operations/sec」は、IO Data Read Operation/s と IO Data Write Operations/sの合算です。
Report Self
Per chunk
chunk.lap.viz <- data.frame(t(
data.frame(purrr::map(chunk.lap[1:(length(chunk.lap)-1)],
~c(.["user.self"], .["sys.self"], .["elapsed"])) )) ) %>%
rownames_to_column(var = "Stage")
chunk.total <- chunk.lap.viz %>%
dplyr::summarise_at(dplyr::vars(-1), dplyr::funs(sum)) %>%
dplyr::mutate(Stage = "Total")
chunk.lap.viz <- rbind(chunk.lap.viz, chunk.total)
formattable(chunk.lap.viz)
Per Phase
time.lap.df.tmp <- as.data.frame(
t(
data.frame(purrr::map(time.lap, ~ c(.["user.self"], .["sys.self"], .["elapsed"])))))
time.lap.viz <- time.lap.df.tmp %>% rownames_to_column(var = "Stage") %>% dplyr::mutate(
user.self = user.self - lag(user.self, default = 0),
sys.self = sys.self - lag(sys.self, default = 0),
elapsed = elapsed - lag(elapsed, default = 0)) %>% dplyr::filter(Stage != "first")
lap.total <- time.lap.viz %>%
dplyr::summarise_at(dplyr::vars(-1), dplyr::funs(sum)) %>%
dplyr::mutate(Stage = "Total")
time.lap.viz <- rbind(time.lap.viz, lap.total)
formattable(time.lap.viz, list(
user.self = color_bar("azure1"),
sys.self = color_bar("azure2"),
elapsed = color_bar("azure4")
))
wfjsg/WinPerfCounter.r documentation built on May 16, 2019, 11:13 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
library(WinPerfCounter) library(ggplot2) library(ggthemes) library(cowplot) library(formattable) library(tibble) library(knitr) time.lap = list() time.lap <- c(time.lap, list(first = proc.time())) chunk.lap <<- list() knitr::knit_hooks$set(chunk_lap = function(before, options, envir){ if( before ){ chunk.lap[[options$label]] <<- proc.time() }else{ chunk.lap[[options$label]] <<- proc.time() - chunk.lap[[options$label]] my <- chunk.lap[[options$label]] } }) knitr::opts_chunk$set(echo = FALSE, warning=FALSE, fig.width=12, fig.height=8, chunk_lap = TRUE)
dataRaw <- WinPerfCounter.readcsv(params$csvfile) gpu.list <- WinPerfCounter::listup_gpu_engine(dataRaw) time.lap <- c(time.lap, list(read = proc.time()))
# -------------------------- # CPUの論理コア数と搭載メモリ量、システム全体に書くメモリ量 plotConfig <- list( cpucore = 8, memory = 8, memory.chartlimit = 32, process = list( 'python' = list( cpu.scale.auto = TRUE, cpu.min = 0, cpu.max = 100, memory.scale.auto = TRUE, memory.min = 0, memory.max = 0.25, iops.scale.auto = TRUE, iops.min = 0, iops.max = 600, iobytes.scale.auto = TRUE, iobytes.min = 0, iobytes.max = 600), 'Python#1' = list( cpu.scale.auto = TRUE, cpu.min = 0, cpu.max = 10, memory.scale.auto = TRUE, memory.min = 0, memory.max = 1, iops.scale.auto = TRUE, iops.min = 0, iops.max = 600, iobytes.scale.auto = TRUE, iobytes.min = 0, iobytes.max = 600) ), eventVerticalLines = as.POSIXct(format="%Y/%m/%d %H:%M:%OS", as.character(c( # ))), "2018/01/07 21:07:00", "2018/01/07 21:10:20"))), eventRange = as.POSIXct(format="%Y/%m/%d %H:%M:%OS", as.character(c( # ))) "2018/01/07 21:07:05", "2018/01/07 21:09:00", "2018/01/07 21:12:00", "2018/01/07 21:12:30"))) ) # 時間で絞り込む。 viewLimit <- FALSE viewStart <- as.POSIXct("2018/01/07 21:08:00 JST") viewEnd <- as.POSIXct("2018/01/07 21:10:00 JST") # リサンプリングする間隔。FALSEだとリサンプリングしない # resampleInterval <- "minute" resampleInterval <- FALSE time.lap <- c(time.lap, list(Configure= proc.time()))
# -------------------------- # 関心のある時間帯に絞る rawStart <- min(dataRaw$Timestamp) rawEnd <- max(dataRaw$Timestamp) duration <- rawEnd - rawStart if( viewLimit ){ data <- dataRaw %>% dplyr::filter(Timestamp >= viewStart & Timestamp <= viewEnd) viewDuration = viewEnd - viewStart time.lap <- c(time.lap, list(TimestampLimit = proc.time())) }else{ data <- dataRaw viewStart <- rawStart viewEnd <- rawEnd } plotConfig$viewStart <- viewStart plotConfig$viewEnd <- viewEnd
Summary
{
print(paste("StartDate : ", rawStart))
print(paste("EndDate : ", rawEnd))
print(paste("DataPoints: ", nrow(dataRaw)))
print(paste("Duration : ", duration, units(duration)))
if( viewLimit ){
print(paste("viewLimit:", viewLimit))
print(paste("ViewStart:", viewStart))
print(paste("ViewEnd :", viewEnd))
print(paste("ViewDuration: ", viewDuration, units(viewDuration)))
}else{
print(paste("Start and End No-Limit"))
}
if( resampleInterval == FALSE){
print(paste("Resampling: Disabled"))
}else{
print(paste("Resampling: ", resampleInterval))
}
}
Total
cpu <- WinPerfCounter.Metric.CPU(data, resampleInterval) cpu_chart <- ggplot(cpu, aes(x=Timestamp, y=value)) + ggtitle("System CPU") cpu_chart <- WinPerfCounter.DecorateForEvent(cpu_chart, plotConfig) cpu_chart <- cpu_chart + geom_point(aes(colour = metric), alpha = 0.7) cpu_chart <- cpu_chart + xlim(c(plotConfig$viewStart, plotConfig$viewEnd)) cpu_chart <- cpu_chart + ylim(0.0, 100.0) cpu_chart <- cpu_chart + theme_gray() memory <- WinPerfCounter.Metric.Memory(data, resampleInterval) memory_chart <- ggplot(memory, aes(x = Timestamp, y=valueInGB)) + ggtitle("System Memory") memory_chart <- WinPerfCounter.DecorateForEvent(memory_chart, plotConfig) memory_chart <- memory_chart + geom_hline( yintercept = plotConfig$memory, linetype="dashed", colour="blue") memory_chart <- memory_chart + annotate("text", label=paste(plotConfig$memory, "GB Installed"), x=viewStart, y=plotConfig$memory, hjust = 0.0, vjust = -0.5) memory_chart <- memory_chart + geom_point(aes(colour = metric), alpha = 0.7) memory_chart <- memory_chart + xlim(plotConfig$viewStart, plotConfig$viewEnd) memory_chart <- memory_chart + ylim(0, plotConfig$memory.chartlimit) memory_chart <- memory_chart + theme_gray()
Summary(CPU)
statistics <- WinPerfCounter.summary(cpu) WinPerfCounter.formattable(statistics)
Summary(Memory)[GB]
statistics <- WinPerfCounter.summaryInGB(memory) WinPerfCounter.formattable(statistics)
Chart
plot_grid(cpu_chart, memory_chart, ncol=1, align="v") time.lap <- c(time.lap, list(procTotal = proc.time()))
GPU
gpu_compute <- list() gpu_compute[[1]] <- WinPerfCounter.Metric.GPU.UtilizationPercentage(data, resampleInterval, gpu.list[[1]]) gpu_compute[[2]] <- WinPerfCounter.Metric.GPU.UtilizationPercentage(data, resampleInterval, gpu.list[[2]]) gpu_memory <- list() gpu_memory[[1]] <- WinPerfCounter.Metric.GPU_Memory(data, resampleInterval, gpu.list[1]) gpu_memory[[2]] <- WinPerfCounter.Metric.GPU_Memory(data, resampleInterval, gpu.list[2])
GPU1 Computing & Memory Usage[MB]
statistics <- WinPerfCounter.summary(gpu_compute[[1]]) WinPerfCounter.formattable(statistics)
statistics <- WinPerfCounter.summaryInMB(gpu_memory[[1]]) WinPerfCounter.formattable(statistics)
GPU2 Computing & Memory [MB]
statistics <- WinPerfCounter.summary(gpu_compute[[2]]) WinPerfCounter.formattable(statistics)
statistics <- WinPerfCounter.summaryInMB(gpu_memory[[2]]) WinPerfCounter.formattable(statistics)
Chart
gpu_computing_p <- list() gpu_computing_p[[1]] <- WinPerfCounter.System.DrawGpuCompute(gpu_compute[[1]], plotConfig, gpu.list[1]) gpu_computing_p[[2]] <- WinPerfCounter.System.DrawGpuCompute(gpu_compute[[2]], plotConfig, gpu.list[2]) plot_grid(gpu_computing_p[[1]], gpu_computing_p[[2]], ncol=1, align="v")
gpu_memory_p <- list() gpu_memory_p[[1]] <- WinPerfCounter.System.DrawGpuMemory(gpu_memory[[1]], plotConfig, gpu.list[1]) gpu_memory_p[[2]] <- WinPerfCounter.System.DrawGpuMemory(gpu_memory[[2]], plotConfig, gpu.list[2]) plot_grid(gpu_memory_p[[1]], gpu_memory_p[[2]], ncol=1, align="v")
Process(Python)
processName <- "python" p.cpu <- WinPerfCounter.Process.Metric.CPU(data, processName, resampleInterval) cpu_chart <- WinPerfCounter.Process.PlotCPU(p.cpu, plotConfig, processName) p.memory <- WinPerfCounter.Process.Metric.Memory(data, processName, resampleInterval) memory_chart <- WinPerfCounter.Process.PlotMemory(p.memory, plotConfig, processName) p.iops <- WinPerfCounter.Process.Metric.IOPS(data, processName, resampleInterval) iops_chart <- WinPerfCounter.Process.PlotIOPS(p.iops, plotConfig, processName) p.iobytes <- WinPerfCounter.Process.Metric.IOBytes(data, processName, resampleInterval) iobytes_chart <- WinPerfCounter.Process.PlotIOBytes(p.iobytes, plotConfig, processName)
Summary(CPU)
statistics <- WinPerfCounter.summary(p.cpu) WinPerfCounter.formattable(statistics)
Summary(Memory)[GB]
statistics <- WinPerfCounter.summaryInGB(p.memory) WinPerfCounter.formattable(statistics)
Summary(IOPS)
statistics <- WinPerfCounter.summary(p.iops) WinPerfCounter.formattable(statistics)
Summary(IO MegaByte/s)
statistics <- WinPerfCounter.summaryInMB(p.iobytes) WinPerfCounter.formattable(statistics)
Chart
plot_grid(cpu_chart, memory_chart, iops_chart, iobytes_chart, ncol=1, align="v") time.lap <- c(time.lap, list(process1 = proc.time()))
Process(Python#1)
processName <- "python" p.cpu <- WinPerfCounter.Process.Metric.CPU(data, processName, resampleInterval) cpu_chart <- WinPerfCounter.Process.PlotCPU(p.cpu, plotConfig, processName) p.memory <- WinPerfCounter.Process.Metric.Memory(data, processName, resampleInterval) memory_chart <- WinPerfCounter.Process.PlotMemory(p.memory, plotConfig, processName) p.iops <- WinPerfCounter.Process.Metric.IOPS(data, processName, resampleInterval) iops_chart <- WinPerfCounter.Process.PlotIOPS(p.iops, plotConfig, processName) p.iobytes <- WinPerfCounter.Process.Metric.IOBytes(data, processName, resampleInterval) iobytes_chart <- WinPerfCounter.Process.PlotIOBytes(p.iobytes, plotConfig, processName)
Summary(CPU)
statistics <- WinPerfCounter.summary(p.cpu) WinPerfCounter.formattable(statistics)
Summary(Memory)[GB]
statistics <- WinPerfCounter.summaryInGB(p.memory) WinPerfCounter.formattable(statistics)
Summary(IOPS)
statistics <- WinPerfCounter.summary(p.iops) WinPerfCounter.formattable(statistics)
Summary(IO MegaByte/s)
statistics <- WinPerfCounter.summaryInMB(p.iobytes) WinPerfCounter.formattable(statistics)
Chart
plot_grid(cpu_chart, memory_chart, iops_chart, iobytes_chart, ncol=1, align="v") time.lap <- c(time.lap, list(process2 = proc.time()))
Means of Metrics
CPU
% Processor Time
いわゆるCPU使用率。System全体の場合には最大100%で、プロセスごとの場合にはコア数×100%が最大です。
% User Time & % Privileged Time
それぞれユーザーモードと特権モードで実行されたプロセッサ時間。Priviledged Time が User Timeの15%を超える場合、ディスクアレイがボトルネックである可能性がある。25%を超えるなら、可能性が高い。
Memory
Available Bytes
プロセスへ割り当て、もしくはシステムにすぐに利用できる物理メモリのサイズを示します。スタンバイ（キャッシュ済み）、空き、ゼロページの一覧にあるメモリの合計です。
Committed Bytes
コミットされた仮想メモリのサイズをバイト数で表示します。コミット メモリは、領域がディスク ページング ファイルに予約されている物理メモリです。各物理ドライブにはページング ファイルが 1 つ以上あります。このカウンターは、平均値ではなく最新の監視値のみを表示します。
Committed Limit
ページファイルを拡張せずにコミットできる仮想メモリの合計値です。
Virtual Bytes
プロセスが保持する仮想メモリの総量を示します。メモリマップされたファイル(共有DLLも)や、ページアウトされたデータも含みます。
Private Bytes
プロセスが要求した仮想メモリ量ですが、メモリマップされたファイルを 含みません 。 物理メモリに張り付いているメモリ量ではなく、ページアウトされたメモリを含みます。
Working Set
現在のプロセスが参照する 物理メモリ の総量です。private bytesと違い、メモリマップされたファイル等各種のリソースを含みます。タスクマネージャの Memory Usage で表示されるものと同等です。 ページアウトされたメモリは 含みません 。ページフォルトなしで参照可能なメモリ量を示します。
IO Read Operations/sec, IO Write Operations/sec & ～ Byte/s
- プロセスが行った IOPS を表します。
- ネットワーク / ディスクなどを区別できません。
- メモリは含みません。
- Otherは、読み込みと書き込み以外（制御）などを表します。
※なお元データの「IO Data Operations/sec」は、IO Data Read Operation/s と IO Data Write Operations/sの合算です。
Report Self
Per chunk
chunk.lap.viz <- data.frame(t( data.frame(purrr::map(chunk.lap[1:(length(chunk.lap)-1)], ~c(.["user.self"], .["sys.self"], .["elapsed"])) )) ) %>% rownames_to_column(var = "Stage") chunk.total <- chunk.lap.viz %>% dplyr::summarise_at(dplyr::vars(-1), dplyr::funs(sum)) %>% dplyr::mutate(Stage = "Total") chunk.lap.viz <- rbind(chunk.lap.viz, chunk.total) formattable(chunk.lap.viz)
Per Phase
time.lap.df.tmp <- as.data.frame( t( data.frame(purrr::map(time.lap, ~ c(.["user.self"], .["sys.self"], .["elapsed"]))))) time.lap.viz <- time.lap.df.tmp %>% rownames_to_column(var = "Stage") %>% dplyr::mutate( user.self = user.self - lag(user.self, default = 0), sys.self = sys.self - lag(sys.self, default = 0), elapsed = elapsed - lag(elapsed, default = 0)) %>% dplyr::filter(Stage != "first") lap.total <- time.lap.viz %>% dplyr::summarise_at(dplyr::vars(-1), dplyr::funs(sum)) %>% dplyr::mutate(Stage = "Total") time.lap.viz <- rbind(time.lap.viz, lap.total) formattable(time.lap.viz, list( user.self = color_bar("azure1"), sys.self = color_bar("azure2"), elapsed = color_bar("azure4") ))
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.