bin/compare

   1 #!/usr/bin/env python
   2
   3 import argparse
   4 import sys
   5
   6 have_scipy = True
   7 try:
   8     import scipy.stats
   9 except:
  10     have_scipy = False
  11
  12 SIGNIFICANCE_THRESHOLD = 0.0001
  13
  14 parser = argparse.ArgumentParser(
  15     formatter_class=argparse.RawDescriptionHelpFormatter,
  16     description='Compare performance of two runs from nanobench.')
  17 parser.add_argument('--use_means', action='store_true', default=False,
  18                     help='Use means to calculate performance ratios.')
  19 parser.add_argument('baseline', help='Baseline file.')
  20 parser.add_argument('experiment', help='Experiment file.')
  21 args = parser.parse_args()
  22
  23 a,b = {},{}
  24 for (path, d) in [(args.baseline, a), (args.experiment, b)]:
  25     for line in open(path):
  26         try:
  27             tokens = line.split()
  28             if tokens[0] != "Samples:":
  29                 continue
  30             samples  = tokens[1:-1]
  31             label    = tokens[-1]
  32             d[label] = map(float, samples)
  33         except:
  34             pass
  35
  36 common = set(a.keys()).intersection(b.keys())
  37
  38 def mean(xs):
  39     return sum(xs) / len(xs)
  40
  41 ps = []
  42 for key in common:
  43     p, asem, bsem = 0, 0, 0
  44     m = mean if args.use_means else min
  45     am, bm = m(a[key]), m(b[key])
  46     if have_scipy:
  47         _, p = scipy.stats.mannwhitneyu(a[key], b[key])
  48         asem, bsem = scipy.stats.sem(a[key]), scipy.stats.sem(b[key])
  49     ps.append((bm/am, p, key, am, bm, asem, bsem))
  50 ps.sort(reverse=True)
  51
  52 def humanize(ns):
  53     for threshold, suffix in [(1e9, 's'), (1e6, 'ms'), (1e3, 'us'), (1e0, 'ns')]:
  54         if ns > threshold:
  55             return "%.3g%s" % (ns/threshold, suffix)
  56
  57 maxlen = max(map(len, common))
  58
  59 # We print only signficant changes in benchmark timing distribution.
  60 bonferroni = SIGNIFICANCE_THRESHOLD / len(ps)  # Adjust for the fact we've run multiple tests.
  61 for ratio, p, key, am, bm, asem, bsem in ps:
  62     if p < bonferroni:
  63         str_ratio = ('%.2gx' if ratio < 1 else '%.3gx') % ratio
  64         if args.use_means:
  65             print '%*s\t%6s(%6s) -> %6s(%6s)\t%s' % (maxlen, key, humanize(am), humanize(asem),
  66                                                      humanize(bm), humanize(bsem), str_ratio)
  67         else:
  68             print '%*s\t%6s -> %6s\t%s' % (maxlen, key, humanize(am), humanize(bm), str_ratio)