# Interferenz Map Analysis

## Überblick
Dieses Projekt – experiment_key: **interferenz_map_analysis** – dient der Analyse und Visualisierung von Interferenz-Messdaten zur Optimierung der Pool-Isolation in Systemen. Daten werden automatisiert verarbeitet, ausgewertet und in einer interaktiven Weboberfläche visualisiert.

**Artikel:** [https://donau2space.de/tag-191-interferenz-map-aus-31b-34-ab-wann-lohnt-sich-ein-extra-pool-wirklich/](https://donau2space.de/tag-191-interferenz-map-aus-31b-34-ab-wann-lohnt-sich-ein-extra-pool-wirklich/)  
**Git-Repository:** [https://git.donau2space.de/Mika/interferenz_map_analysis](https://git.donau2space.de/Mika/interferenz_map_analysis)

### 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

### 1. interferenz_metrics_parser
- **Art:** python_script  
- **Ziel:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Analyse und Berechnung von Interferenz-Metriken aus Log-Daten.

**API-Funktion:**
- `parse_interference_logs(log_file_path)` – liest Log-Dateien, extrahiert Metriken und gibt eine Liste von JSON-Objekten mit den Feldern `run_id`, `retry_tail_p99`, `band_width` und `mix_ratio` zurück.

### 2. interference_visualization
- **Art:** web_ui  
- **Ziel:** Web  
- **Sprachen:** HTML, CSS, JavaScript  
- **Zweck:** Darstellung einer interaktiven Interferenz-Map basierend auf den analysierten Metriken.

**API-Route:**
- `GET /visualization` – lädt die Visualisierung der Interferenz-Map.

**Genutzte Module:** chart.js

### 3. cost_scaling_analysis
- **Art:** python_script  
- **Ziel:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Berechnung der Kosten und Skalierbarkeit von verschiedenen Pool- und Worker-Konfigurationen.

**API-Funktion:**
- `analyze_cost_scalability(worker_count)` – berechnet die Kosten pro Worker und liefert aggregierte Kennzahlen (`worker_count`, `cost_per_worker`, `total_cost`).

---

## Voraussetzungen (Webserver / Daten)
- Lokale oder entkoppelte Webserver-Umgebung (z. B. nginx oder Apache)
- Browser mit Unterstützung für moderne JavaScript-Frameworks
- Python ≥ 3.9

---

## Installation & Nutzung

### Python-Komponenten
1. Python-Umgebung vorbereiten:
   ```bash
   python3 -m venv venv
   source venv/bin/activate
   pip install -r requirements.txt
   ```
2. Analyse-Skript ausführen:
   ```bash
   python3 interferenz_metrics_parser.py --input logs/system.log
   ```
3. Kostenanalyse durchführen:
   ```bash
   python3 cost_scaling_analysis.py --workers 32
   ```

### Web-Frontend starten
1. Webserver konfigurieren (z. B. nginx auf `localhost:8080`)
2. Verzeichnis `web_ui/` bereitstellen.
3. Im Browser `http://localhost:8080/visualization` aufrufen.

---

## Typische Use-Cases
- Vergleich von Interferenz-Messungen zwischen verschiedenen Pool-Konfigurationen
- Untersuchung der Bandbreite und Retry-Latenz im Worker-Bereich
- Visualisierung von Interferenz-Daten und Entscheidungshilfe für Isolationsstrategien
- Berechnung der Kosten-Nutzen-Skalierung bei Cluster-Erweiterung

---

## Struktur & mögliche Erweiterungen
- **/scripts/** – enthält Python-Skripte zur Analyse
- **/web_ui/** – enthält die Webanwendung zur Visualisierung
- **/data/** – optionale Eingabedaten und Log-Beispiele

**Erweiterbar um:**
- zusätzliche Metriken (z. B. CPU-/IO-Interferenz)
- API-Integrationen zu externen Monitoring-Systemen
- weitere visuelle Layouts im Frontend

---

## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.  
Alle Inhalte stammen aus automatisierter KI-Erstellung. Verwendung erfolgt auf eigenes Risiko.