python - 我如何为给定的概率分布生成直方图(用于功能测试服务器)？

Question

我正在尝试使用真实的请求频率分布来自动执行服务器的功能测试。 (某种负载测试，某种模拟)

我选择了 Weibull分布，因为它“有点”符合我观察到的分布(快速上升，快速下降但不是立即)

我使用此分布来生成在给定的开始日期和结束日期之间每天应发送的请求数

我在 Python 中拼凑了一个算法，它有点管用，但感觉很笨拙:

how_many_days = (end_date - start_date).days
freqs = defaultdict(int)
for x in xrange(how_many_responses):
    freqs[int(how_many_days * weibullvariate(0.5, 2))] += 1
timeline = []
day = start_date
for i,freq in sorted(freqs.iteritems()):
    timeline.append((day, freq))
    day += timedelta(days=1)
return timeline

有什么更好的方法可以做到这一点？

Answer 1

这很快而且可能不太准确，但如果您自己计算 PDF，那么至少可以更轻松地在单个时间轴上放置多个较小/较大的文件。 dev 是控制粗糙度的高斯噪声中的标准偏差。请注意，这不是生成所需内容的“正确”方法，但它很简单。

import math
from datetime import datetime, timedelta, date
from random import gauss

how_many_responses = 1000
start_date = date(2008, 5, 1)
end_date = date(2008, 6, 1)
num_days = (end_date - start_date).days + 1
timeline = [start_date + timedelta(i) for i in xrange(num_days)]

def weibull(x, k, l):
    return (k / l) * (x / l)**(k-1) * math.e**(-(x/l)**k)

dev = 0.1
samples = [i * 1.25/(num_days-1) for i in range(num_days)]
probs = [weibull(i, 2, 0.5) for i in samples]
noise = [gauss(0, dev) for i in samples]
simdata = [max(0., e + n) for (e, n) in zip(probs, noise)]
events = [int(p * (how_many_responses / sum(probs))) for p in simdata]

histogram = zip(timeline, events)

print '\n'.join((d.strftime('%Y-%m-%d ') + "*" * c) for d,c in histogram)