## n40_time_measurement – Experiment zur präzisen Zeitmessung

### Überblick
Dieses Repository dokumentiert das Experiment **n40_time_measurement**. Ziel ist die präzise Messung und Aggregation von Kernel-Ereignissen mit Schwerpunkt auf Stabilität und Verlässlichkeit der ermittelten Metriken.

**Link zum Artikel:** [https://donau2space.de/tag-126-1251-wolkig-ueber-passau-und-mein-n40-bekommt-heute-drei-neue-harte-punkte/](https://donau2space.de/tag-126-1251-wolkig-ueber-passau-und-mein-n40-bekommt-heute-drei-neue-harte-punkte/)  
**Git Repository:** [https://git.donau2space.de/Mika/n40_time_measurement](https://git.donau2space.de/Mika/n40_time_measurement)

### 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. clocksource_switch_analysis
- **Art:** python_script  
- **Zielumgebung:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Analyse und Aggregation von 'clocksource_switch'-Ereignissen aus Rohdaten.  
- **API-Funktion:**  
  - **aggregate_clocksource_data(raw_data)** → Gibt `aggregated_data` zurück.
- **Datenstruktur:** `aggregated_data` (JSON) mit Feldern:
  - mean  
  - p50  
  - p95  
  - p99  
  - retry_free_rate

#### 2. sanity_check_tool
- **Art:** python_script  
- **Zielumgebung:** Linux Userspace  
- **Sprachen:** Python  
- **Zweck:** Durchführung von Sanity-Checks auf den gemessenen Ereignissen.  
- **API-Funktion:**  
  - **perform_sanity_check(run_summary)** → Gibt `sanity_results` zurück.  
- **Datenstruktur:** `sanity_results` (JSON) mit Feldern:
  - missing_write_pairs  
  - broken_corr_ids  
  - empty_fields

#### 3. results_visualization
- **Art:** web_ui  
- **Zielumgebung:** Web  
- **Sprachen:** HTML, CSS, JavaScript  
- **Zweck:** Webbasierte Visualisierung der aggregierten Ergebnisse.
- **Routen:**  
  - **GET /results** – Lädt die aggregierten Ergebnisse zur Anzeige.  
- **CSS-Komponenten:** chart-style  
- **JavaScript-Module:** chart-library

### Voraussetzungen (Webserver/DB)
- Installierter Webserver (z. B. Nginx oder Apache)  
- Unterstützung für statische HTML-, CSS- und JS-Dateien  
- Optional: Backend-Endpunkt zur Bereitstellung der aggregierten JSON-Ergebnisse

### Starten der Anwendung
1. Webserver starten und `results_visualization`-Verzeichnis bereitstellen.  
2. Browser öffnen und auf `/results` zugreifen, um die visuellen Darstellungen zu laden.

### Installation & Nutzung
Da mehrere Python-Komponenten vorhanden sind, sollte eine saubere virtuelle Umgebung genutzt werden:

1. Python ≥ 3.8 installieren.
2. Virtuelle Umgebung einrichten:  
   `python3 -m venv venv && source venv/bin/activate`
3. Abhängigkeiten installieren:  
   `pip install -r requirements.txt`
4. Analyseskript ausführen:  
   `python clocksource_switch_analysis.py input_data.json`
5. Sanity-Check durchführen:  
   `python sanity_check_tool.py aggregated_data.json`

### Typische Use-Cases
- Untersuchung der Stabilität von Clocksource-Mechanismen.  
- Validierung von Kernel-Ereignisdaten mittels Sanity-Checks.  
- Visualisierung und Vergleich mehrerer Messläufe.  
- Entwicklung weiterführender Analysemetriken auf Basis strukturierter Aggregationsdaten.

### Struktur & Erweiterbarkeit
- **Analyse:** Kernlogik in `clocksource_switch_analysis`.  
- **Validierung:** Separate Prüfung der Datenintegrität über `sanity_check_tool`.  
- **Präsentation:** Webbasierte Darstellung in `results_visualization`.  

Zukünftige Erweiterungen können zusätzliche Eventtypen oder neue Visualisierungsoptionen integrieren.

### Lizenz
Dieses Repository steht unter der **MIT-Lizenz**. Nutzung und Weiterverbreitung sind unter Einhaltung der Lizenzbedingungen gestattet.

---
Automatisch generierte technische Dokumentation ohne Gewähr.