Spaces:
Sleeping
Sleeping
File size: 8,900 Bytes
f5eb34f | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 | """
Aba de Monitoramento e Métricas
Visualiza estatísticas de uso e performance do sistema
"""
import gradio as gr
from src.database import DatabaseManager
def create_monitoring_tab(db_manager: DatabaseManager):
"""Cria aba de monitoramento e métricas"""
with gr.Tab(" Monitoramento"):
gr.Markdown("""
## Dashboard de Monitoramento
Acompanhe estatísticas de uso e performance:
- **Métricas de Query**: Latências e throughput
- **Uso da Base**: Documentos e chats
- **Performance**: Análise de tempos de resposta
""")
refresh_all_btn = gr.Button(" Atualizar Todas as Métricas", variant="primary", size="lg")
with gr.Row():
with gr.Column():
gr.Markdown("### Estatísticas Gerais")
general_stats = gr.JSON(label="Resumo Geral")
with gr.Column():
gr.Markdown("### Performance de Queries")
query_performance = gr.JSON(label="Métricas de Latência")
with gr.Row():
gr.Markdown("### Distribuição de Scores de Similaridade")
score_distribution = gr.Markdown("Sem dados disponíveis")
with gr.Row():
gr.Markdown("### Últimas Queries")
with gr.Row():
recent_queries_limit = gr.Slider(
minimum=5,
maximum=50,
value=10,
step=5,
label="Quantidade de queries recentes"
)
recent_queries_table = gr.Dataframe(
headers=["ID", "Query", "Resultados", "Tempo Total (ms)", "Top K", "Data"],
label="Histórico de Queries",
wrap=True
)
# Função para buscar estatísticas gerais
def get_general_stats():
conn = db_manager.connect()
if not conn:
return {"erro": "Não foi possível conectar ao banco"}
try:
stats = {}
with conn.cursor() as cur:
# Total de documentos
cur.execute("SELECT COUNT(*) FROM documents")
stats['total_documentos'] = cur.fetchone()[0]
# Total de chats
cur.execute("SELECT COUNT(*) FROM chats")
stats['total_chats'] = cur.fetchone()[0]
# Total de mensagens
cur.execute("SELECT COUNT(*) FROM messages")
stats['total_mensagens'] = cur.fetchone()[0]
# Total de queries registradas
cur.execute("SELECT COUNT(*) FROM query_metrics")
stats['total_queries'] = cur.fetchone()[0]
# Média de mensagens por chat
cur.execute("""
SELECT AVG(msg_count)
FROM (
SELECT COUNT(*) as msg_count
FROM messages
GROUP BY chat_id
) as counts
""")
result = cur.fetchone()
stats['media_mensagens_por_chat'] = round(result[0], 2) if result[0] else 0
return stats
except Exception as e:
return {"erro": str(e)}
# Função para calcular métricas de performance
def get_query_performance():
conn = db_manager.connect()
if not conn:
return {"erro": "Não foi possível conectar ao banco"}
try:
metrics = {}
with conn.cursor() as cur:
# Latências médias
cur.execute("""
SELECT
AVG(retrieval_time_ms) as avg_retrieval,
AVG(generation_time_ms) as avg_generation,
AVG(total_time_ms) as avg_total,
MIN(total_time_ms) as min_total,
MAX(total_time_ms) as max_total
FROM query_metrics
""")
row = cur.fetchone()
if row and row[0] is not None:
metrics['latencia_media_retrieval_ms'] = round(row[0], 2)
metrics['latencia_media_generation_ms'] = round(row[1], 2)
metrics['latencia_media_total_ms'] = round(row[2], 2)
metrics['latencia_min_total_ms'] = round(row[3], 2)
metrics['latencia_max_total_ms'] = round(row[4], 2)
else:
metrics['info'] = "Nenhuma query registrada ainda"
# Média de resultados por query
cur.execute("SELECT AVG(num_results) FROM query_metrics")
result = cur.fetchone()
metrics['media_resultados_por_query'] = round(result[0], 2) if result[0] else 0
# Top K mais usado
cur.execute("""
SELECT top_k, COUNT(*) as count
FROM query_metrics
GROUP BY top_k
ORDER BY count DESC
LIMIT 1
""")
result = cur.fetchone()
if result:
metrics['top_k_mais_usado'] = result[0]
metrics['top_k_frequency'] = result[1]
return metrics
except Exception as e:
return {"erro": str(e)}
# Função para calcular distribuição de scores
def get_score_distribution():
conn = db_manager.connect()
if not conn:
return " Não foi possível conectar ao banco"
try:
with conn.cursor() as cur:
# Busca scores recentes (precisaríamos salvar isso nas métricas)
# Por enquanto, retorna mensagem
cur.execute("SELECT COUNT(*) FROM query_metrics")
count = cur.fetchone()[0]
if count == 0:
return " Nenhuma query registrada ainda. Execute algumas queries no Chat RAG para ver a distribuição de scores."
return f"""
**Distribuição de Scores**
Total de queries registradas: {count}
_Nota: Para visualização completa de scores, seriam necessários gráficos._
_Scores indicam similaridade entre query e documentos (0.0 a 1.0)_
"""
except Exception as e:
return f" Erro: {str(e)}"
# Função para buscar queries recentes
def get_recent_queries(limit):
conn = db_manager.connect()
if not conn:
return []
try:
with conn.cursor() as cur:
cur.execute("""
SELECT
id,
query,
num_results,
total_time_ms,
top_k,
created_at
FROM query_metrics
ORDER BY created_at DESC
LIMIT %s
""", (int(limit),))
rows = cur.fetchall()
table_data = []
for row in rows:
query_preview = row[1][:50] + "..." if len(row[1]) > 50 else row[1]
table_data.append([
row[0],
query_preview,
row[2],
f"{row[3]:.0f}",
row[4],
str(row[5])
])
return table_data
except Exception as e:
return []
# Função para atualizar tudo
def refresh_all(limit):
gen_stats = get_general_stats()
perf_stats = get_query_performance()
score_dist = get_score_distribution()
recent = get_recent_queries(limit)
return gen_stats, perf_stats, score_dist, recent
# Conecta eventos
refresh_all_btn.click(
fn=refresh_all,
inputs=[recent_queries_limit],
outputs=[general_stats, query_performance, score_distribution, recent_queries_table]
)
recent_queries_limit.change(
fn=get_recent_queries,
inputs=[recent_queries_limit],
outputs=[recent_queries_table]
)
return {
"refresh_btn": refresh_all_btn
}
|