معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Java GC Log Parser written in Python

ویژگی	مقدار
سیستم عامل	-
نام فایل	cappuccino-0.1.5
نام	cappuccino
نسخه کتابخانه	0.1.5
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	vidigalp
ایمیل نویسنده	pedro.vidigal@instaclustr.com
آدرس صفحه اصلی	https://github.com/vidigalp/cappuccino
آدرس اینترنتی	https://pypi.org/project/cappuccino/
مجوز	-

# Java Garbage Collection parser written in Python [![PyPI Latest Release](https://img.shields.io/pypi/v/cappucino.svg)](https://pypi.org/project/cappucino/) ## What is it? **cappuccino** is a Python package that provides a way of parsing Java Garbage Collection Logs. ## Where to get it The source code is currently hosted on GitHub at: https://github.com/vidigalp/cappuccino Binary installers for the latest released version are available at the [Python Package Index (PyPI)](https://pypi.org/project/cappuccino). ```sh # or PyPI pip install cappuccino ``` ## How to Run ```python python cappuccino <input_directory> gc_log1.log: 100%|██████████| 93842/93842 [00:00<00:00, 146317.63it/s] gc_log2.log: 100%|██████████| 89468/89468 [00:00<00:00, 147814.29it/s] gc_log3.log: 100%|██████████| 84950/84950 [00:00<00:00, 148095.09it/s] gc_log4.log: 100%|██████████| 89549/89549 [00:00<00:00, 147173.26it/s] gc_log5.log: 100%|██████████| 86187/86187 [00:00<00:00, 147973.24it/s] count mean std min 25% 50% \ pause_type G1 Evacuation Pause 16348.0 0.040432 0.141196 0.00 0.01 0.020 G1 Humongous Allocation 34.0 0.228824 0.394222 0.03 0.07 0.105 GCLocker Initiated GC 1.0 0.040000 NaN 0.04 0.04 0.040 Metadata GC Threshold 15.0 0.024667 0.010601 0.01 0.02 0.020 75% max pause_type G1 Evacuation Pause 0.030 4.58 G1 Humongous Allocation 0.200 1.74 GCLocker Initiated GC 0.040 0.04 Metadata GC Threshold 0.035 0.04 ``` ## Dependencies - [Pandas - pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language.](https://pandas.pydata.org) - [NumPy - Adds support for large, multi-dimensional arrays, matrices and high-level mathematical functions to operate on these arrays](https://www.numpy.org) - [python-dateutil - Provides powerful extensions to the standard datetime module](https://dateutil.readthedocs.io/en/stable/index.html) - [pytz - Brings the Olson tz database into Python which allows accurate and cross platform timezone calculations](https://github.com/stub42/pytz) - [Click - Click is a Python package for creating beautiful command line interfaces in a composable way with as little code as necessary.](https://click.palletsprojects.com/) - [tqdm - Instantly make your loops show a smart progress meter - just wrap any iterable with tqdm(iterable), and you're done!](https://tqdm.github.io)

نیازمندی

مقدار	نام
-	numpy
-	pandas
-	python-dateutil
-	pytz
-	six
-	tqdm

نحوه نصب

نصب پکیج whl cappuccino-0.1.5:

pip install cappuccino-0.1.5.whl

نصب پکیج tar.gz cappuccino-0.1.5:

pip install cappuccino-0.1.5.tar.gz