# Affinity Load Interaction Analysis

## Überblick
Analyse der Interaktion zwischen Affinität und Last anhand quantitativer Effekte auf Bandbreite und Retry-Rate. Dieses Experiment trägt den Schlüssel **affinity_load_interaction_analysis** und untersucht Zusammenhänge zwischen CPU-Affinität, Systemlast und Leistungsparametern.

**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.

**Link zum Artikel:** [https://donau2space.de/tag-185-diff-of-diffs-steht-affinitaetxlast-ist-messbar-und-31-bekommt-eine-harte-schwelle/](https://donau2space.de/tag-185-diff-of-diffs-steht-affinitaetxlast-ist-messbar-und-31-bekommt-eine-harte-schwelle/)

**Git Repository:** [https://git.donau2space.de/Mika/affinity_load_interaction_analysis](https://git.donau2space.de/Mika/affinity_load_interaction_analysis)

## Inhalt des Repositories

### Artefakte

#### 1. affinity_effect_calculator
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprachen:** Python  
- **Zweck:** Berechnet den Effekt von Affinität auf die Bandbreite basierend auf den Ergebnissen mehrerer Runs.  

**API-Funktionen:**
- `calculate_affinity_effect(effect_4x, effect_2x)` – Berechnet den kombinierten Effekt der gemessenen Affinitätsdaten.  

**Verwendete Datenstruktur:**
- `EffectData` (JSON): Felder `effect_4x`, `effect_2x`, `calculated_effect`

#### 2. effects_dataset
- **Art:** json_dataset  
- **Ziel:** mixed  
- **Sprachen:** JSON  
- **Zweck:** Speicherung historischer Effekte von Affinität und Last zur weiteren quantitativen Auswertung.  

**Datenstruktur:**
- `HistoricalEffects` (JSON): Felder `date`, `effect_4x`, `effect_2x`, `calculated_effect`

#### 3. affinity_analysis_documentation
- **Art:** doc_only  
- **Ziel:** mixed  
- **Zweck:** Enthält die begleitende Dokumentation der Analyse, Methodik und Ergebnisse.

## Installation & Nutzung

### Python-Skript ausführen
Voraussetzung: Python 3.x installiert.

Generische Schritte:
1. Repository klonen:
   ```bash
   git clone https://git.donau2space.de/Mika/affinity_load_interaction_analysis.git
   ```
2. In das Projektverzeichnis wechseln:
   ```bash
   cd affinity_load_interaction_analysis
   ```
3. Python-Umgebung vorbereiten (optional):
   ```bash
   python3 -m venv venv
   source venv/bin/activate
   ```
4. Skript ausführen:
   ```bash
   python3 affinity_effect_calculator.py
   ```

Das Skript lädt Datensätze aus `effects_dataset` und berechnet darauf aufbauend Affinitätsmetriken.

## Typische Use-Cases
- Vergleich der Lastverteilung zwischen CPU-Kernen mit unterschiedlicher Affinität.
- Bewertung der Auswirkung von Affinitätsstrategien auf die Systembandbreite.
- Erstellung von Trainingsdaten für Optimierungsmodelle im Scheduling.

## Struktur & mögliche Erweiterungen
- **/scripts/** – enthält Python-Logik zur Effektberechnung.
- **/data/** – JSON-Datensätze (historische Messungen).
- **/docs/** – methodische Beschreibung und Analyseberichte.

Zukünftige Erweiterungen:
- Erweiterte Plot-Funktionalität zur grafischen Darstellung der Affinitätswirkungen.
- Integration zusätzlicher Hardware-Metriken.

## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.

Alle Inhalte stammen aus einer automatischen Generierung und dienen ausschließlich Demonstrations- und Forschungszwecken.