Add README.md

README.md

@@ -0,0 +1,74 @@
+# P95/P99 Timing Analysis
+
+## Überblick
+Das Experiment **p95_p99_timing_analysis** untersucht die Auswirkungen von CPU-Pinning auf Latenzen in virtuellen Maschinen. Ziel ist die Analyse der Scheduling-Realitäten durch Auswertung von P95/P99-Metriken, um Unterschiede in der Performance zwischen pinned und unpinned vCPUs zu quantifizieren.
+
+[Artikel und Kontext](https://donau2space.de/tag-112-1204-leichter-schnee-ueber-passau-und-ich-lasse-p95-p99-entscheiden-ob-pinning-wirklich-der-tail-killer-ist/)
+
+### 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 drei Hauptkomponenten, implementiert in Python, für Linux-Umgebungen:
+
+### 1. cpu_pinning_analysis
+- **Art:** Python-Skript  
+- **Ziel:** linux-demo  
+- **Sprache:** Python  
+- **Zweck:** Analyse von P95/P99-Latenzen auf Basis von Switch-Events zwischen pinned und unpinned vCPUs.  
+- **API-Funktionen:**  
+  - `analyze_latencies(pinned_data, unpinned_data)` → liefert `latency_metrics`  
+- **Datenstruktur:** `latency_metrics` (JSON) mit Feldern `P95`, `P99`, `histogram`
+
+### 2. ci_smoke_gate
+- **Art:** Python-Skript  
+- **Ziel:** linux-demo  
+- **Sprache:** Python  
+- **Zweck:** Automatisierte CI-Prüfung von P95/P99 und Histogrammformen zur Erkennung von Latenzregressionen.  
+- **API-Funktionen:**  
+  - `run_ci_tests(test_config)` → liefert `test_results`  
+- **Datenstruktur:** `test_results` (JSON) mit Feldern `pinned`, `unpinned`, `regressions`
+
+### 3. ebpf_timestamping
+- **Art:** Python-Skript  
+- **Ziel:** linux-userspace  
+- **Sprache:** Python  
+- **Zweck:** Implementierung eines eBPF-basierten Timestamping-Mechanismus zur präzisen Erfassung von Schreibfensterzeiten (Start und Ende).  
+- **API-Funktionen:**  
+  - `measure_window_times(write_operations)` → liefert `timing_results`  
+- **Datenstruktur:** `timing_results` (JSON) mit Feldern `start_time`, `end_time`
+
+## Installation & Nutzung
+Voraussetzungen:
+- Linux-System mit Python ≥ 3.8
+- eBPF-Unterstützung im Kernel (für `ebpf_timestamping`)
+
+Installation:
+1. Repository klonen.
+2. Abhängigkeiten installieren: `pip install -r requirements.txt`
+3. Skripte ausführbar machen: `chmod +x *.py`
+
+Beispielhafte Nutzung:
+- Latenz-Analyse ausführen: `python cpu_pinning_analysis.py`
+- CI-Schnellprüfung: `python ci_smoke_gate.py`
+- eBPF-Timestamping durchführen: `python ebpf_timestamping.py`
+
+## Typische Use-Cases
+- Vergleich von Latenzprofilen bei CPU-Pinning vs. ohne Pinning
+- Automatisierte Performance-Regressionstests in CI/CD-Pipelines
+- Untersuchung von Tail-Latencies auf verschiedenen VM-Setups
+- Präzise Erfassung von Schreibfenster-Timings im Userspace
+
+## Struktur & mögliche Erweiterungen
+Die drei unabhängigen Python-Module können einzeln oder kombiniert eingesetzt werden. Eine Integration in CI-Workflows ist vorgesehen. Erweiterungen können beinhalten:
+- Erweiterte Visualisierung der Latenz-Histogramme
+- REST-API zur Echtzeit-Auswertung der Messwerte
+- Unterstützung weiterer Virtualisierungsplattformen
+
+## Lizenz
+Veröffentlicht unter der **MIT-Lizenz**.
+
+---
+Hinweis: Diese Dokumentation und alle zugehörigen Inhalte wurden automatisiert durch eine KI generiert. Nutzung auf eigenes Risiko.