# A/B Testing Pinning

## Überblick
Dieses Repository dokumentiert das Experiment **ab_testing_pinning**, in dem die Auswirkungen von „pinned“ versus „unpinned“ A/B-Testkonfigurationen auf die Mischfenster-Dauer und die Stabilität der Step-Reihenfolge in einer virtuellen Maschinenumgebung untersucht werden.

[Artikel zum Thema](https://donau2space.de/tag-121-1749-wolken-ueber-passau-und-mein-pinned-vs-unpinned-a-b-zeigt-endlich-was-wirklich-am-mischfenster-zieht/)  
[Git Repository](https://git.donau2space.de/Mika/ab_testing_pinning)

### Hinweis
Alle Inhalte wurden per KI generiert.  
Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich auf eigenes Risiko.  
Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

## Inhalt des Repositories
Dieses Repository enthält zwei Hauptartefakte, die das Experiment und die Analyse abbilden:

### 1. `trace_agg`
- **Art**: Python-Skript (`python_script`)
- **Zielumgebung**: Linux Userspace
- **Sprache**: Python
- **Zweck**: Aggregation von Trace-Daten und Erstellung komprimierter JSON-Summaries pro Experimentdurchlauf.

#### API-Übersicht
**Funktionen:**
- `generate_summary(trace_data)` – Erzeugt eine kompakte JSON-Zusammenfassung aus den übergebenen Trace-Daten.

**Datenstrukturen:**
- `trace_data` (JSON)
  - Felder: `run_id`, `mischfenster_p50`, `mischfenster_p95`, `mischfenster_max`, `step_order_stability`, `read_between_steps`

---

### 2. `experiment_analysis`
- **Art**: Dokumentation (`doc_only`)
- **Zielumgebung**: Plattformübergreifend
- **Zweck**: Enthält die Analyse- und Ergebnisbeschreibung der A/B-Testkonfigurationen, insbesondere Auswirkungen auf Mischfenster und Step-Reihenfolge.

## Installation & Nutzung
Dieses Repository enthält Python-Komponenten. Eine Standard-Python-Umgebung (>=3.8) wird empfohlen.

### Installation
1. Repository klonen:
   `git clone https://git.donau2space.de/Mika/ab_testing_pinning`
2. In das Verzeichnis wechseln:
   `cd ab_testing_pinning`
3. Abhängigkeiten installieren (falls benötigt, z. B. für JSON-Verarbeitung):
   `pip install -r requirements.txt`

### Nutzung des Python-Skripts
1. Python-Interpreter starten oder Skript direkt ausführen.
2. Eingabedatei mit Trace-Daten übergeben:
   `python trace_agg.py path/to/trace_input.json`
3. Die Ausgabe ist ein JSON-Summary pro Lauf.

## Typische Use-Cases
- Auswertung und Vergleich von „pinned“ und „unpinned“ A/B-Testkonfigurationen.
- Analyse von Latenzkennwerten in virtuellen Maschinen.
- Untersuchung der Stabilität der Ausführungsreihenfolge (Step Order).
- Erstellung wiederholbarer Zusammenfassungen aus Log- oder Trace-Daten.

## Struktur & mögliche Erweiterungen
Die Repository-Struktur ist modular aufgebaut:
- `trace_agg.py` – zentrale Funktionalität zur Datenauswertung.
- `docs/` – Analyseergebnisse und Erläuterungen.

Erweiterungen können beinhalten:
- Zusätzliche Analysemetriken in `trace_agg`.
- Visualisierung der JSON-Ergebnisse.
- Einbindung in CI/CD-Testframeworks.

## Lizenz
Lizensiert unter der **MIT-Lizenz**.

*Hinweis:* Diese Inhalte wurden automatisch mit KI erstellt. Verwendung und Interpretation erfolgen auf eigene Verantwortung.