# no_cpu_switch_analysis

## Überblick
Dieses Projekt dient der Analyse von "no_cpu_switch"-Spikes durch erweiterte Logging-Techniken mit eBPF und datengestützte Entscheidungsfindung. Ziel ist es, Ursachen von ungewöhnlichen Scheduler-Ereignissen zu identifizieren und diese anhand korrelierter Trace-Daten systematisch zu klassifizieren.

**Link zum Artikel:** [https://donau2space.de/tag-118-1617-nebel-ueber-passau-und-ich-entlarve-zwei-no_cpu_switch-spikes-als-versteckte-switches/](https://donau2space.de/tag-118-1617-nebel-ueber-passau-und-ich-entlarve-zwei-no_cpu_switch-spikes-als-versteckte-switches/)

**Git Repository:** [https://git.donau2space.de/Mika/no_cpu_switch_analysis](https://git.donau2space.de/Mika/no_cpu_switch_analysis)

### 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

### trace_agg
- **Art:** Python-Skript
- **Ziel:** Linux Userspace
- **Beschreibung:** Aggregiert Trace-Daten aus Ereignisprotokollen und erzeugt kompaktes JSON für nachfolgende Analyse.
- **Sprache:** Python

**API-Funktion:**
- `aggregate_trace_data(correlation_id) → json` – Zusammenführung und Aggregation von Trace-Einträgen mit gemeinsamer Korrelations-ID.

**Datenstruktur:**
- `TraceData` (JSON): enthält Felder *had_sched_switch*, *had_irq*, *had_softirq*, *cpu_ids_seen*.

---

### decision_tree
- **Art:** Python-Skript
- **Ziel:** Linux Userspace
- **Beschreibung:** Führt eine Klassifizierung von Scheduler-Ereignissen basierend auf Kontextmarkern durch und leitet daraus Entscheidungsableitungen ab.
- **Sprache:** Python

**API-Funktion:**
- `classify_event(context_marker) → string` – Klassifiziert Event auf Basis von Kontextinformationen.

---

### probe_config
- **Art:** Dokumentation
- **Ziel:** Gemischt (Analyseunterstützung)
- **Beschreibung:** Enthält Informationen zu Read-/Write-Probes zur Verfeinerung der Event-Analyse.

---

## Installation & Nutzung
1. **Voraussetzungen:** Python 3.9 oder höher, Linux-Userspace mit eBPF-Unterstützung.
2. Repository klonen und in das Projektverzeichnis wechseln:
   ```bash
   git clone https://git.donau2space.de/Mika/no_cpu_switch_analysis
   cd no_cpu_switch_analysis
   ```
3. Abhängigkeiten installieren:
   ```bash
   pip install -r requirements.txt
   ```
4. Skripte ausführen:
   ```bash
   python trace_agg.py
   python decision_tree.py
   ```

## Typische Use-Cases
- Identifikation von Anomalien im Scheduler-Verhalten.
- Klassifizierung von CPU-Switch-Ereignissen anhand von Kontextmerkmalen.
- Aggregation großer Mengen von Trace-Daten für maschinelle Lernverfahren.
- Erweiterbare Basis für fortgeschrittene Performance-Analysen unter Linux.

## Struktur & Erweiterbarkeit
- **/trace_agg.py** – Aggregationsmodul für Trace-Daten.
- **/decision_tree.py** – Klassifikationslogik.
- **/docs/probe_config.md** – Dokumentation zu Probes und Analyseparametern.

Erweiterungen können z. B. durch zusätzliche Analyse-Module, überarbeitete Klassifikationsmodelle oder Integration in Monitoring-Pipelines erfolgen.

## Lizenz
Dieses Projekt steht unter der **MIT-Lizenz**.

Hinweis: Inhalte wurden automatisch generiert. Nutzung auf eigene Verantwortung.