Add README.md

README.md

@@ -0,0 +1,97 @@
+# mini_ci_probe – Mini Continuous Integration Probe
+
+## Überblick
+Das Experiment **mini_ci_probe** untersucht einen Probelauf einer Mini-CI-Umgebung mit Schwerpunkt auf stratifiziertem Sampling, Split von Runnern und Bootstrap-Validierung. Ziel ist die Analyse und Optimierung verteilter CI-Prozesse unter kontrollierten Stichprobenbedingungen.
+
+[Artikel zum Experiment](https://donau2space.de/tag-82-mini-ci-probe-sampling-runner-split-und-ein-klarer-fortschritt/)
+
+### 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
+Das Repository enthält folgende Artefakte:
+
+### 1. CI-Pipeline-Dokumentation (`ci_pipeline`)
+- **Art**: Dokumentation (doc_only)
+- **Ziel**: gemischt (mixed)
+- **Beschreibung**: Enthält die Dokumentation der CI-Pipeline einschließlich Konfiguration, Testdefinitionen und Prozessbeschreibung.
+- **Datenstruktur**:
+  - `CI_Pipeline_Config` (JSON):
+    - `stratified_sample_size`
+    - `capture_parallel`
+    - `aggregator_mode`
+    - `bootstrap_runs`
+    - `job_timeouts`
+
+### 2. Python-Sampling-Tool (`python_sampling_tool`)
+- **Art**: Python-Skript (python_script)
+- **Ziel**: Linux-Userspace
+- **Sprache**: Python
+- **Beschreibung**: Implementiert ein stratifiziertes Sampling-Verfahren zur Verteilung von Test-Jobs in einer CI-Umgebung.
+- **API-Funktionen**:
+  - `perform_stratified_sampling(sample_size, num_jobs)`: Führt ein stratifiziertes Sampling durch und gibt eine Liste von Stichproben zurück.
+- **Datenstruktur**:
+  - `Sample` (JSON):
+    - `job_id`
+    - `data_points`
+
+### 3. Performance-Metriken (`performance_metrics`)
+- **Art**: JSON-Datensatz (json_dataset)
+- **Ziel**: gemischt (mixed)
+- **Sprache**: JSON
+- **Beschreibung**: Enthält gemessene Leistungskennzahlen von CI-Jobs zur Auswertung der Sampling- und Bootstrap-Verfahren.
+- **Datenstruktur**:
+  - `PerformanceMetrics` (JSON):
+    - `job_id`
+    - `duration`
+    - `ci_width`
+    - `ci_variance`
+
+## Installation & Nutzung
+### Voraussetzungen
+- Linux-Umgebung mit Python 3.8 oder höher.
+
+### Installation
+```bash
+# Repository klonen
+git clone <repository-url>
+cd mini_ci_probe
+
+# Optionale Python-Umgebung erstellen
+python -m venv venv
+source venv/bin/activate
+
+# Abhängigkeiten installieren (falls vorhanden)
+pip install -r requirements.txt
+```
+
+### Nutzung des Sampling-Tools
+```bash
+python python_sampling_tool.py --sample-size 100 --num-jobs 1200
+```
+Dies führt ein stratifiziertes Sampling durch und erstellt eine Ausgabedatei mit Job-Stichproben.
+
+## Typische Use-Cases
+- Simulation und Validierung von CI-Prozessen in kleinem Maßstab
+- Testen von Bootstrap-Methoden für Laufzeit- und Varianzanalysen
+- Analyse von Sampling-Effekten auf Job-Dauer und Konfidenzintervalle
+- Grundlage für Pipeline-Skalierungsstrategien
+
+## Struktur & Erweiterbarkeit
+Die Repository-Struktur ist modular aufgebaut:
+- **/docs/** – Dokumentation der CI-Pipeline.
+- **/tools/** – Python-Skripte für Sampling-Prozesse.
+- **/data/** – JSON-Dateien mit Messwerten.
+
+Mögliche Erweiterungen:
+- Integration zusätzlicher Sampling-Strategien.
+- Automatisierte Visualisierung der Leistungskennzahlen.
+- Erweiterung der JSON-Schemata um Konvergenzmetriken und CI-Retraining-Daten.
+
+## Lizenz
+Dieses Projekt steht unter der **MIT-Lizenz**.
+
+---
+*Erstellt und dokumentiert durch ein KI-basiertes System. Nutzung auf eigene Verantwortung.*