DevOps Engineer DevOps Engineer

from os import walk from os.path import getsize from os.path import getmtime from datetime import datetime from os import chdir chdir(path) resultFile = 'result.csv' for (path, dir, files) in walk('.'): for filename in files: ext = filename.split('.')[-1] size = getsize(path + '\\' + filename) mtime = str(datetime.fromtimestamp(getmtime(path + '\\' + filename)))[:19] lst = '#'.join([ path, filen..

Pandas의 plot 을 이용하여 그래프 그리기 import numpy as np import pandas as pd df = pd.DataFrame(np.random.rand(20,6), columns=['a','b','c','d','e','f']) line graph df.plot.line(figsize = (15,5)) bar graph df.plot.bar(figsize = (15,5), grid=True) area graph df.plot.area(figsize = (15,5), xticks = (1,5,10,15,20), yticks = (1,2,3,4,5)) area graph ( Time index ) import numpy as np import pandas as pd from date..

import socket from datetime import datetime import time checkTime = str(datetime.today())[:19] ipadd = '127.0.0.1' # IP Address, string port = 80 # Port Number, interger sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM) sock.settimeout(5) res = sock.connect_ex((ipadd, port)) text = str(port) + ' : ' + checkTime print('Open ' + text if res == 0 else 'Close ' + text) -----------------------..

pandas의 to_html 메소드를 이용하여 DataFrame 결과를 HTML 형식으로 output kor, math, eng 3개 컬럼의 기본 DataFrame 만들기 kor = [99, 53, 56, 56, 81, 90, 67, 68, 83, 55] math = [91, 77, 59, 70, 100, 67, 89, 55, 93, 99] eng = [96, 92, 92, 65, 51, 92, 55, 60, 54, 51] import pandas as pd df = pd.DataFrame(zip(kor,math,eng), columns=['kor','math','eng']) df html = df.to_html() print(html) kor math eng 0 99 91 96 1 53 77 92 2 ..

데이터를 처리하다 보면 csv 파일 자주 만나게 되는데, Python pandas와 csv 모듈로 처리할 수 있다. 파이썬 pandas csv 파일 읽고, 쓰기 샘플데이터 : example.csv (UTF-8) ============================= "Student","Math","Computer","English" "인호",90,85,100 "철수",85,100,95 "영희",75,70,85 "민수",95,85,90 "지훈",100,85,95 "지영",90,85,90 "정희",95,85,95 ============================= pandas의 read_csv 메소드로 csv 파일 읽기 import pandas as pd df = pd.read_csv(r'C:\Python\..

Datebase CPU Core 증설작업 후 Core별로 CPU가 모두 활동하는지 확인해볼 필요가 생겼다. 리눅스의 mpstat는 Core 별 사용량을 모니터링할 수 있다. 결과를 파일로 export 하고, Python을 하여 DataFrame화 하려 한다. DataFrame 하게 되면 DB, NoSQL 등에 저장하여 통계적으로 활용할 수 있겠다. 목표 : 리눅스의 mpstat 유틸과 python을 이용하여 Core 별 통계 추출 mpstat 명령어를 이용한 데이터 수집 ( 파일 리다이랙션 ) # 1초간격으로 모든 CPU Core 사용량을 추출 (리눅스 명령) # Output File : cpu_result_final.txt mpstat -P ALL 1 >> cpu_result_final.txt %usr..

header 정보에서 날짜 추출하기 import urllib.request url = 'web domain' date = urllib.request.urlopen(url).headers['Date'] print(date) Sun, 14 May 2023 04:32:47 GMT 한국시간 GMT +0900으로 변경 from datetime import datetime from datetime import timedelta date = date.rstrip(' GMT')[5:] date = datetime.strptime(date, '%d %b %Y %H:%M:%S') + timedelta(hours=9) print(date) 2023-05-14 13:31:17

ntplib 모듈설치 pip install ntplib NTP서버와 로컬간의 offset 체크 import ntplib from time import ctime timeServer = 'time.windows.com' # NTP Server Domain Or IP c = ntplib.NTPClient() response = c.request(timeServer, version=3) print('NTP Server Time과 Local Time과 차이는 %.2f s입니다.' %response.offset) -------------------------------------------------------------------- NTP Server Time과 Local Time과 차이는 0.71 s입니다. ..