# Batch Latency Measurement

## Überblick

Das Projekt **batch_latency_measurement** untersucht die Latenzzeiten verschiedener Zeitpunkte während eines Upload-Prozesses. Ziel ist es, eine präzise Definition für den Zeitpunkt *t_publish* zu entwickeln. Dabei werden Messungen zu Upload-Ende, API-Response und Filesystem-Änderungszeiten analysiert.

[Artikel mit Hintergrundinformationen](https://donau2space.de/tag-150-schnee-drei-t_publish-kandidaten-und-warum-meine-latenzkurve-wackelt/)

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

### Hinweis

Alle Inhalte wurden per KI generiert.

Nutzung, Anpassung und Weiterentwicklung erfolgen eigenverantwortlich und auf eigenes Risiko. Es wird keine Korrektheit, Sicherheit, Funktionsfähigkeit oder rechtliche Eignung zugesichert.

---

## Inhalt des Repositories

### Artefakte

**1. measure_latency**  
Art: python_script  
Zielumgebung: linux-userspace  
Sprache: Python  
**Zweck:** Misst und analysiert Latenzzeiten zwischen verschiedenen Zeitpunkten eines Upload-Prozesses (Upload-Ende, API-Response, FS-mtime).  
**API-Funktionen:**
- `measure_latencies(n_runs)` – Führt mehrere Messungen aus und liefert ein JSON-Objekt *latency_results*.
- `analyze_results(latency_results)` – Analysiert die Messergebnisse und erzeugt eine Statistik *analysis_summary*.

**Datenstrukturen:**
- `latency_results` (Format: JSON) – enthält *upload_end_time*, *api_response_time*, *fs_mtime* und *offsets*.

**2. generate_report**  
Art: python_script  
Zielumgebung: linux-userspace  
Sprache: Python  
**Zweck:** Erstellt einen Bericht auf Basis der Messdaten und Analyseergebnisse.  
**API-Funktion:**
- `create_report(latency_results, analysis_summary)` – Generiert ein strukturiertes Ausgabedokument *report_document*.

**3. log_data**  
Art: csv_dataset  
Zielumgebung: linux-userspace  
Sprache: CSV  
**Zweck:** Enthält die gemessenen Rohdaten zur späteren Analyse und Reproduzierbarkeit der Messungen.

---

## Installation & Nutzung

### Voraussetzungen
- Linux-System mit Python ≥ 3.8
- Schreibrechte im Arbeitsverzeichnis zur Datenerfassung

### Installation
1. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/batch_latency_measurement`
2. Projektverzeichnis aufrufen:  
   `cd batch_latency_measurement`
3. Abhängigkeiten installieren:  
   `pip install -r requirements.txt`

### Ausführung
- Latenz messen:  
  `python measure_latency.py`
- Messergebnisse analysieren und Bericht erzeugen:  
  `python generate_report.py`

---

## Typische Use-Cases
- Vergleich verschiedener Upload-Pipeline-Konfigurationen
- Ermittlung des stabilsten Messpunkts zur Definition von *t_publish*
- Analyse von Verzögerungen zwischen Dateisystem und API-Antwort
- Automatisierte Auswertung und Berichterstellung für Performance-Monitoring

---

## Struktur & mögliche Erweiterungen
Das Projekt ist modular aufgebaut. Erweiterungen können erfolgen durch:
- Ergänzung weiterer Messpunkte (z. B. Datenbank-Write-Zeitpunkte)
- Anpassung des Reporting-Moduls zur Erzeugung von Diagrammen oder Dashboards
- Hinzufügen von Schnittstellen zur laufenden Prozessüberwachung

Verzeichnisstruktur (empfohlen):
- `measure_latency.py` – Messlogik
- `generate_report.py` – Berichtserzeugung
- `log_data/` – Datenspeicher (CSV)
- `docs/` – technische Dokumentation und Auswertung

---

## Lizenz

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

Alle Inhalte wurden automatisch von einer KI generiert. Die Nutzung erfolgt auf eigenes Risiko.