这是一个读取 iostat -dmx 1 输出，对磁盘使用进行可视化的 notebook。

不要太在意代码左边的序号。它们是执行顺序。我反复执行过，所以它们比较大，还有些乱序。

首先我们配置一下 matplotlib。第一行是给 Jupyter 的指令，告诉它我们想要直接在网页上显示 matplotlib 的图。

%matplotlib inline
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (20.0, 10.0)

import 一些东西。pandas 是待会做滑动平均用的。

import pandas as pd

这个是我自己写的模块。在 winterpy 里可以找到。

from sysstatutils import read_iostat

导入数据文件。这个日志文件是我在进行系统备份的时候取得的。

with open('iostat2.log') as f:
    data = read_iostat(f)

devices = sorted(data.keys())
devices

['sda', 'sdb', 'sdc']

data['sda'].keys()

dict_keys(['await', 'r/s', 'wMB/s', 'rMB/s', 'r_await', '%util', 'avgrq-sz', 'svctm', 'w/s', 'wrqm/s', 'w_await', 'avgqu-sz', 'rrqm/s'])

def plot(x, l='(unknown)'):
    s = pd.Series(x)
    s1 = s.rolling(window=10).mean()
    return plt.plot(s1, label=l)[0]

先画一下磁盘使用率的图。外部磁盘 sdc 是我的备份盘，最忙碌了。sda 是我的主硬盘，大部分时候都还有点余力，所以系统不怎么卡。它忙的时候整个系统就会卡起来了。

sdb 是我的 SSD。一开始做缓存，一年之后坏掉了。过了一段时间我发现它又可以用了，但是不敢放数据上去，就只是把火狐的缓存弄过去了。

lines = [plot(data[x]['%util'], x) for x in devices]
plt.legend(handles=lines, framealpha=0.5, fontsize=11)

<matplotlib.legend.Legend at 0x7f3a3600bb38>

如下图所示，备份过程中主要在读 sda，写 sdc。

lines = [plot(data[x]['wMB/s'], x+'/w') for x in devices] + \
    [plot(data[x]['rMB/s'], x+'/r') for x in devices]
plt.legend(handles=lines, framealpha=0.5, fontsize=11)

<matplotlib.legend.Legend at 0x7f3a35ce5208>

所以 sdc 都忙不过来了。sda 还好。作为 SSD，sdb 自然是响应十分迅速的（而且也没多少活干）。

lines = [plot(data[x]['await'], x) for x in devices]
plt.legend(handles=lines, framealpha=0.5, fontsize=11)

<matplotlib.legend.Legend at 0x7f3a35f64c50>

分别看一下读写等待时间：

lines = [plot(data[x]['w_await'], x+'/w') for x in devices] + \
    [plot(data[x]['r_await'], x+'/r') for x in devices]
plt.legend(handles=lines, framealpha=0.5, fontsize=11)

<matplotlib.legend.Legend at 0x7f3a35ebb9b0>