ab_testing_pinning/readme.md

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
Git Repository

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.