如何在Python中创建timedelta列表？

Question

我在这个网站上搜索了很久，看到很多关于时间差的讨论，但还没找到我想要的东西。

简单来说，我有一份消息列表，这些消息是由一个通信服务器接收到的。我想计算每条消息发送和接收之间的延迟时间。它的格式是这样的：

161336.934072 - TMsg out: [O] enter order. RefID [123] OrdID [4568]
161336.934159 - TMsg in: [A] accepted. ordID [456]  RefNumber [123] 

这些消息中夹杂着其他消息，但我只想计算那些具有相同RefID的发送消息和接收消息之间的时间差。

到目前为止，为了从主日志中筛选出哪些是T消息，我一直在这样做，但效率真的很低。我不想每次都创建新文件：

big_file = open('C:/Users/kdalton/Documents/Minicomm.txt', 'r')
small_file1 = open('small_file1.txt', 'w')
for line in big_file:
    if 'T' in line: small_file1.write(line)
big_file.close()
small_file1.close()

我该如何计算这两条消息之间的时间差，并从主日志中筛选出这些消息呢？

Answer 1

首先，不要直接写出原始的日志行。其次，使用字典。

tdeltas = {} # this is an empty dict
if "T" in line:
   get Refid number
   if Refid in tedeltas:
      tdeltas[Refid] = timestamp - tdeltas[Refid]
   else:
      tdeltas[Refid] = timestamp

然后在最后，把它转换成列表并打印出来。

allRefids = sorted(tdeltas.keys())
for k in allRefids:
   print k+": "+tdeltas[k]+" secs"

你可能想把日期转换成来自datetime模块的time对象，然后使用时间差对象存储在字典里。虽然这次任务可能不太值得这样做，但学习如何使用datetime模块是很有用的。

另外，我没有详细讲解如何从输入字符串中解析出Refid，以及将时间从字符串转换为浮点数再转换回来的可能问题。

实际上，仅仅存储时间差会造成混淆，如果你遇到一个不被接受的Refid。如果我真的在做这个，我会在值里存储一个元组，包含开始时间、结束时间和时间差。对于一个新记录，它看起来会像这样：(161336.934072,0,0)，而在检测到接受后，它会变成这样：(161336.934072,161336.934159,.000087)。如果日志记录活动是持续的，比如一个24小时不间断的全球电商网站，那么我会定期检查字典，找出任何时间差不为零的条目，报告它们并删除。然后我会把剩下的值按开始时间排序，报告并删除那些开始时间太旧的记录，因为这意味着这些交易已经失败，永远不会完成。

此外，在一个真实的电商网站中，我可能会考虑使用像Redis或Memcache这样的外部字典，这样报告和维护可以由其他服务器或应用程序来完成。

Answer 2

这个生成器函数会返回一个元组，里面包含了消息的ID和发送时间的差值。（如果你想对时间差做更复杂的处理，可以看看 datetime.timedelta）。需要注意的是，这里假设发送的消息总是在接收的消息之前出现。

def get_time_deltas(infile):
    entries = (line.split() for line in open(INFILE, "r"))
    ts = {} 
    for e in entries:
        if len(e) == 11 and " ".join(e[2:5]) == "TMsg out: [O]":
            ts[e[8]] = e[0]   # store timestamp for id
        elif len(e) == 10 and " ".join(e[2:5]) == "TMsg in: [A]":   
            in_ts, ref_id = e[0], e[9]
            # Raises KeyError if out msg not seen yet. Handle if required.
            out_ts = ts.pop(ref_id)   # get ts for this id
            yield (ref_id[1:-1], float(in_ts) - float(out_ts))

现在你可以从中获取一个列表：

>>> INFILE = 'C:/Users/kdalton/Documents/Minicomm.txt'
>>> list(get_time_deltas(INFILE))
[('123', 8.699999307282269e-05), ('1233', 0.00028700000257231295)]

或者把它写入一个文件：

>>> with open("out.txt", "w") as outfile:
...     for id, td in get_time_deltas(INFILE):
...          outfile.write("Msg %s took %f seconds\n", (id, td))

或者把它串联到一个更复杂的工作流程中。

---

更新：

（这是根据实际数据的观察做出的回应）

试试这个：

def get_time_deltas(infile):
    entries = (line.split() for line in open(INFILE, "r"))
    ts = {} 
    for e in entries:
        if " ".join(e[2:5]) == "OuchMsg out: [O]":
            ts[e[8]] = e[0]   # store timestamp for id
        elif " ".join(e[2:5]) == "OuchMsg in: [A]":   
            in_ts, ref_id = e[0], e[7]
            out_ts = ts.pop(ref_id, None)   # get ts for this id
            # TODO: handle case where out_ts = None (no id found)
            yield (ref_id[1:-1], float(in_ts) - float(out_ts))

INFILE = 'C:/Users/kdalton/Documents/Minicomm.txt'
print list(get_time_deltas(INFILE))

这个版本的变化：

• 字段的数量和问题中提供的示例输入不一致。移除了基于条目数量的检查
• in 消息的 ordID 是和 out 消息中的 refID 匹配的
• 使用了 OuchMsg 而不是 TMsg

更新 2

要计算时间差的平均值：

deltas = [d for _, d in get_time_deltas(INFILE)] 
average = sum(deltas) / len(deltas)

或者，如果你之前生成过一个包含所有数据的列表，我们可以重用它，而不是重新解析文件：

data = list(get_time_deltas(INFILE))
# .. use data for something some operation ...

# calculate average using the list
average = sum(d for _, d in data) / len(data)