exit_metrics_analysis/README.md
2026-02-26 12:52:58 +00:00

96 lines
No EOL
3.5 KiB
Markdown
Raw Permalink Blame History

This file contains invisible Unicode characters

This file contains invisible Unicode characters that are indistinguishable to humans but may be processed differently by a computer. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.

# Exit Metrics Analysis
## Überblick
Dieses Repository dokumentiert das Experiment **exit_metrics_analysis**.
Ziel ist die Analyse der Exit-Metriken durch Vergleich verschiedener Runs in einem kontrollierten Setup. Dabei werden Metriken zur Stabilität, Abweichung (Δt) und Warnhäufigkeit erfasst und ausgewertet.
**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.
**Artikel:** https://donau2space.de/tag-161-run-5-ist-sauber-vergleichbar-exit-metriken-festgenagelt-unpinned-%ce%b4t/
**Repository:** https://git.donau2space.de/Mika/exit_metrics_analysis
---
## Inhalt des Repositories
### 1. `exit_metrics_logging`
- **Art:** python_script
- **Zielumgebung:** Linux Userspace
- **Sprachen:** Python
- **Zweck:** Erfassen und Protokollieren der Exit-Metriken für jeden Run.
- **API-Funktionen:**
- `log_metrics(run_id, warn_rate, unknown_rate, delta_t)` → zeichnet Laufdaten strukturiert auf.
- **Datenstrukturen:**
- `RunMetrics` (Typ: JSON) mit Feldern `run_id`, `warn_rate`, `unknown_rate`, `delta_t`
### 2. `metrics_visualization`
- **Art:** web_ui
- **Zielumgebung:** Webbrowser
- **Sprachen:** HTML, CSS, JavaScript
- **Zweck:** Visualisierung der gesammelten Exit-Metriken während des Versuchs.
- **Routen:**
- `GET /metrics` → lädt und präsentiert die visualisierten Exit-Metriken.
### 3. `metrics_dataset`
- **Art:** json_dataset
- **Zielumgebung:** Mixed (analysefähig über Skripte oder Web-Interface)
- **Sprache:** JSON
- **Zweck:** Datenspeicher der aufbereiteten Exit-Metriken für Analysen und Vergleiche zwischen Runs.
- **Datenstruktur:**
- `MetricsData` (Typ: JSON) mit Feld `runs`
---
## Voraussetzungen (für Web-UI)
- Webserver mit Unterstützung für statische Inhalte (z.B. Nginx, Apache oder lokales Testsetup).
- Browser mit aktiviertem JavaScript.
- Optional: Zugriff auf die gespeicherten JSON-Daten aus `metrics_dataset`.
### Starten der Anwendung
1. Web-Dateien in das Webroot-Verzeichnis legen.
2. Seite `/metrics` im Browser aufrufen.
3. Darstellung entspricht dem jeweils vorhandenen Datensatz.
---
## Installation & Nutzung (Python-Skript)
### Voraussetzungen
- Python3.8
- Abhängigkeiten: `json`, `datetime` (Standardbibliothek)
### Nutzung
```
python exit_metrics_logging.py --run-id <id> --warn-rate <wert> --unknown-rate <wert> --delta-t <wert>
```
Die gesammelten Metriken werden in JSON-Struktur gespeichert und stehen anschließend für die Visualisierung bereit.
---
## Typische Use-Cases
- Messung der Exit-Dauerdifferenzen (Δt) zwischen Kontrollläufen.
- Ermittlung der mittleren Warn- und Fehlerquoten für Stabilitätsanalysen.
- Vergleich von Runs mit unterschiedlichen Parametern.
- Visualisierung von Trends und Ausreißern über mehrere Testreihen hinweg.
---
## Struktur & mögliche Erweiterungen
- `exit_metrics_logging.py`: Kernkomponente für Datenerfassung.
- `web_ui/`: Frontend zur Darstellung der Ergebnisse.
- `dataset/metrics.json`: Beispielformat der erfassten Ergebnisse.
**Erweiterbar durch:**
- Zusätzliche Metrikparameter in der Python-Erfassung.
- Automatisierte Trendanalyse per Web-Frontend.
- Dynamische Datenpflege (Integration über REST-Schnittstellen).
---
## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.
© Urheberrecht und Haftung liegen beim jeweiligen Ersteller.
Alle Inhalte wurden automatisiert erzeugt (KI-generiert). Nutzung auf eigenes Risiko.