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/

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:

   git clone https://github.com/example/host_vs_vm_correlation_analysis.git
   cd host_vs_vm_correlation_analysis
   

2. Abhängigkeiten installieren:

   pip install -r requirements.txt
   

Beispielausführung

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.