基于jira的缺陷自动化报表分析 (七)matplotlib 饼图:周期分布

周期分布,即两个时间差的数量占比。

 

比较常用的有:

缺陷修复周期 = 修复时间 - 创建时间

缺陷验证周期 = 验证时间 - 修复时间

缺陷存活周期 = 关闭时间 - 创建时间

所以,只需要查出要统计的时间,然后计算时间差,然后按时间差统计数量,即可得出周期占比

 

一、实现

1、数据库统计数据

从上面的时间差计算公式上可以看出,时间覆盖了全部的缺陷生命周期

所以我们可以从已解决的缺陷表 jira_resolution_issues 中获取时间(未解决的缺陷统计周期可能并不准确,虽然已关闭的缺陷也可以重新打开,但相对靠谱)

 

例如,缺陷存活周期我们可以这样写

基于jira的缺陷自动化报表分析 (七)matplotlib 饼图:周期分布_第1张图片

 

2、存活周期分布实现

对于存货周期大于等于7天的数据,我们进行合并,因为缺陷存活7天以上我们认为都是不合格的,而且数据看上去不会太多太乱

def cake_cycle(self):
    """
    存活周期 TIMESTAMPDIFF(DAY,DATE_FORMAT(created,'%Y-%m-%d'),DATE_FORMAT(resolutiondate,'%Y-%m-%d')) AS date_diff
    :return:
    """
    sql = """
        SELECT A.date_diff,COUNT(A.date_diff) AS counts 
        from
                (
                        SELECT
                                project,
                                TIMESTAMPDIFF(DAY,DATE_FORMAT(created,'%Y-%m-%d'),DATE_FORMAT(resolutiondate,'%Y-%m-%d')) AS date_diff
                        FROM
                                jira_resolution_issues
                        WHERE
                                project='{}' AND issuetype='故障' AND repair_date IS NOT NULL
                ) A
        GROUP BY
        A.project,
        A.date_diff
        ORDER BY A.date_diff;
    """.format(self.project_name)
    datas = MysqlUntil().mysql_select(sql)
    # 开发人员以及各严重等级BUG数量
    date_diff, counts, k = [], [], 0
    for data in datas:
        if data['date_diff'] >= 7:
            k += int(data['counts'])
            if '>=7 天' not in date_diff:
                date_diff.append('>=7 Day')
        else:
            date_diff.append(str(data['date_diff']) + ' Day')
            counts.append(int(data['counts']))
    counts.append(k)
    if sum(counts) > 0:
        Draw(self.report_path).drawing_cake(counts, date_diff, self.project_name,
                                            ' Issues Survive Cycle Distribution (ALL CYCLE)')
        print('项目{}最近{}周缺陷存活周期占比分布图统计完成'.format(self.project_name, self.weeks))
    else:
        print('项目{}最近{}周未验证缺陷,无法统计存活周期占比分布图'.format(self.project_name, self.weeks))

 

3、执行统计

cake_cycle()

基于jira的缺陷自动化报表分析 (七)matplotlib 饼图:周期分布_第2张图片

 

 

二、优化

1、优化思路

存活周期分布统计完成,接下来是修复周期和验证周期

但是,我们可以发现,三个周期分布有一个共同点,就是都是求两个日期的时间差,然后按照数量看占比

既然如此,我们完全可以复用存活周期的方法,只需要稍加修改

我们将需要计算的时间以参数的形式传进来,那么存活周期、修复周期、验证周期分布就都有了,而且还可以拓展其他周期分布,例如审查周期

def cake_cycle(self, date_early, date_late):
    """
    存活周期 TIMESTAMPDIFF(DAY,DATE_FORMAT(created,'%Y-%m-%d'),DATE_FORMAT(resolutiondate,'%Y-%m-%d')) AS date_diff
    修复周期 TIMESTAMPDIFF(DAY,DATE_FORMAT(created,'%Y-%m-%d'),DATE_FORMAT(repair_date,'%Y-%m-%d')) AS date_diff
    验证周期 TIMESTAMPDIFF(DAY,DATE_FORMAT(repair_date,'%Y-%m-%d'),DATE_FORMAT(verify_date,'%Y-%m-%d')) AS date_diff
    :return:
    """
    sql = """
        SELECT A.date_diff,COUNT(A.date_diff) AS counts 
        from
                (
                        SELECT
                                project,
                                TIMESTAMPDIFF(DAY,DATE_FORMAT({date_early},'%Y-%m-%d'),DATE_FORMAT({date_late},'%Y-%m-%d')) AS date_diff
                        FROM
                                jira_resolution_issues
                        WHERE
                                project='{project_name}' AND issuetype='故障'
                ) A
        GROUP BY
        A.project,
        A.date_diff
        HAVING A.date_diff <> ''
        ORDER BY A.date_diff;
    """.format(date_early=date_early, date_late=date_late, project_name=self.project_name)
    print(sql)
    datas = MysqlUntil().mysql_select(sql)
    print(datas)
    # 开发人员以及各严重等级BUG数量
    date_diff, counts, k = [], [], 0
    for data in datas:
        if data['date_diff'] >= 7:
            k += int(data['counts'])
            if '>=7 天' not in date_diff:
                date_diff.append('>=7 Day')
        else:
            date_diff.append(str(data['date_diff']) + ' Day')
            counts.append(int(data['counts']))
    counts.append(k)
    if sum(counts) > 0:
        Draw(self.report_path).drawing_cake(counts, date_diff, self.project_name,
                                            ' Issues Cycle Distribution (ALL CYCLE)')
        print('项目{}最近{}周缺陷存活周期占比分布图统计完成'.format(self.project_name, self.weeks))
    else:
        print('项目{}最近{}周未验证缺陷,无法统计存活周期占比分布图'.format(self.project_name, self.weeks))

2、执行统计

c = Cake(project_name, test_jira, first_day, last_day, types, weeks, project_report_path)
c.cake_cycle('created', 'resolutiondate')  # 存活周期
c.cake_cycle('created', 'repair_date')  # 修复周期
c.cake_cycle('repair_date', 'verify_date')  # 验证周期

基于jira的缺陷自动化报表分析 (七)matplotlib 饼图:周期分布_第3张图片

你可能感兴趣的:(jira,缺陷自动化分析,PYTHON,python,matplotlib,数据分析)