# Host vs VM Correlation Analysis

## Überblick
Dieses Repository dokumentiert das Experiment **host_vs_vm_correlation_analysis**. Es untersucht Leistungs- und Verhaltensunterschiede zwischen Host- und Virtual-Machine-Umgebungen anhand einer Correlation-ID. Der Fokus liegt auf der Analyse des TTWU-Mechanismus (try_to_wake_up) und der Auswertung der zugehörigen wake_flags.

Mehr Informationen im Artikel: [https://donau2space.de/tag-98-1731-weihnachtsklarheit-ueber-passau-eine-correlation-id-zieht-ttwu-auseinander-host-vs-vm/](https://donau2space.de/tag-98-1731-weihnachtsklarheit-ueber-passau-eine-correlation-id-zieht-ttwu-auseinander-host-vs-vm/)

### 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

### 1. correlation_id_generation
- **Art:** Python-Skript  
- **Ziel:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Generierung und Nachverfolgung einer Correlation-ID über mehrere Systemaufrufe zur Zuordnung von Host- und VM-Ereignissen.  

**API-Funktionen:**
- `generate_correlation_id(tgid, pid, run_seq)` → Erzeugt eine eindeutige Correlation-ID auf Basis von Prozessparametern.
- `log_task_state(task, state_before, state_after)` → Protokolliert Zustandsänderungen eines Tasks.

**Datenstruktur:**
- `CorrelationData` (JSON): Felder – correlation_id, tgid, pid, timestamp

---

### 2. ttwu_analysis
- **Art:** Python-Skript  
- **Ziel:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Analyse von TTWU-Stacks und wake_flags zur Ermittlung von Differenzen im Scheduling-Verhalten zwischen Host und VM.  

**API-Funktionen:**
- `analyze_ttwu_stacks(host_data, vm_data)` → Führt eine Cluster-basierte Analyse von TTWU-Stacks durch und liefert Abweichungsmetriken.

**Datenstruktur:**
- `StackAnalysisResult` (JSON): Felder – cluster_a, cluster_b, offset

---

### 3. trace_aggregator
- **Art:** Python-Skript  
- **Ziel:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Aggregation von TTWU-Traces basierend auf wake_flags zur Vereinfachung der statistischen Auswertung.  

**API-Funktionen:**
- `aggregate_traces(trace_data, wake_flags)` → Aggregiert Trace-Daten nach bestimmten wake_flags-Kriterien und liefert ein konsolidiertes Analyseobjekt.

**Datenstruktur:**
- `TraceData` (JSON): Felder – trace_id, flags, timestamp

---

## Installation & Nutzung

Voraussetzungen:
- Linux-Umgebung mit Python ≥ 3.8
- Zugriff auf entsprechende Trace-Daten (Host und VM)

### Installation
1. Klonen des Repositories:
   ```bash
   git clone https://github.com/example/host_vs_vm_correlation_analysis.git
   cd host_vs_vm_correlation_analysis
   ```
2. Abhängigkeiten installieren:
   ```bash
   pip install -r requirements.txt
   ```

### Beispielausführung
```bash
python correlation_id_generation.py
python ttwu_analysis.py --host host_trace.json --vm vm_trace.json
python trace_aggregator.py --input traces.json --flags wake_flags.cfg
```

---

## Typische Use-Cases
- Vergleich von Scheduling-Latenzen zwischen Host und VM.
- Untersuchung von Wakeup-Sequenzen mithilfe von Correlation-IDs.
- Analyse und Clustering von TTWU-Stacks.
- Aggregation von Trace-Daten aus mehreren Quellen.

---

## Struktur & mögliche Erweiterungen
- Erweiterbar um Kernelmodul-Unterstützung für direkte Trace-Erfassung.
- Integration von grafischen Analysemodulen oder Dashboards möglich.
- Erweiterung der API um Live-Monitoring-Schnittstellen.

---

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

**Haftungsausschluss:** Alle Inhalte wurden automatisch von einer KI generiert. Nutzung und Weiterentwicklung erfolgen auf eigenes Risiko. Keine Gewährleistung für Funktion, Genauigkeit oder rechtliche Verwendbarkeit.