# Migration Performance Analysis

## Überblick
Dieses Repository dokumentiert das Experiment **migration_performance_analysis**. Ziel ist die Untersuchung der Auswirkungen von vCPU-Pinning auf Migrationsspitzen in virtualisierten Umgebungen. Analyse- und Visualisierungstools bewerten Performance-Daten, um Migrationsverhalten unter Last nachvollziehbar zu machen.

**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.

**Link zum Artikel:** [Begleitender Blogeintrag](https://donau2space.de/tag-114-1510-leichter-schnee-ueber-passau-und-ich-lasse-migrationen-gegen-halb-gepinnt-antreten/)  
**Git-Repository:** [https://git.donau2space.de/Mika/migration_performance_analysis](https://git.donau2space.de/Mika/migration_performance_analysis)

## Inhalt des Repositories
Das Repository besteht aus drei technischen Artefakten:

### 1. trace_analysis
- **Zweck:** Analyse von Performance-Daten von Migrationen mithilfe von eBPF-Probes  
- **Art:** Python-Skript  
- **Zielplattform:** Linux Userspace  
- **Sprache:** Python  
- **API-Funktion:**  
  - `analyze_spikes(event_log)` → Liefert `spike_analysis_report` mit Feldern *migration_type*, *timestamp*, *spike_count*.

### 2. migration_metrics
- **Zweck:** Berechnung und Aufbereitung von Metriken, insbesondere P99-Spitzenwerten und Migrationsfrequenzen  
- **Art:** Python-Skript  
- **Zielplattform:** Linux Userspace  
- **Sprache:** Python  
- **API-Funktion:**  
  - `calculate_metrics(migration_data)` → Erzeugt `metric_report` mit Feldern *p99_delta* und *migration_spike_percentage*.

### 3. data_visualization
- **Zweck:** Weboberfläche zur Darstellung der Analysedaten und Metriken  
- **Art:** Web-UI  
- **Zielplattform:** Webbrowser  
- **Sprachen:** HTML, CSS, JavaScript  
- **Routen:**  
  - `GET /migration_report` → Liefert ein *metric_report*-Objekt  
- **Genutzte JS-Module:** *chart.js*

## Installation & Nutzung
### Python-Komponenten
1. Voraussetzung: Python ≥ 3.8 unter Linux  
2. Installation der Abhängigkeiten:
   ```bash
   pip install -r requirements.txt
   ```
3. Ausführung der Skripte:
   ```bash
   python trace_analysis.py --input events.json
   python migration_metrics.py --input spike_analysis.json
   ```

### Weboberfläche
1. Öffnen Sie `data_visualization/index.html` im Browser.  
2. Die grafische Darstellung wird automatisch aus den generierten Metrikdaten erstellt.

## Typische Use-Cases
- Evaluation der Effekte von CPU-Pinning bei Migrationen
- Identifikation von Migrationsspitzen mit Hilfe von eBPF-Traces
- Darstellung und Vergleich von Performance-Metriken über verschiedene Testläufe

## Struktur & mögliche Erweiterungen
- **scripts/** enthält Python-Analysetools  
- **visualization/** stellt Visualisierungs-Frontend und Ressourcen  
- **data/** dient zur Ablage der verwendeten und erzeugten JSON-Berichte  

Erweiterungsmöglichkeiten:
- Zusätzliche Analysefunktionen zur Korrelation mit IO- und Netzwerklatenz  
- Verbesserung der Visualisierung mit erweiterten Diagrammtypen  
- Integration einer REST-API zur Live-Datenabfrage

## Lizenz
Lizenz: **MIT**  

Alle Inhalte wurden automatisch durch KI erstellt. Nutzung auf eigenes Risiko.