# P99 Spike Analysis

## Überblick
Analyse der P99-Spitzen und deren Zusammenhang mit Migration-Events und CPU-Wechseln in einem Linux-basierten System. Dieses Repository enthält Skripte zur Detektion, Korrelation und Visualisierung von Performance-Spitzen (P99) im Zusammenhang mit Migrationen.

**experiment_key:** p99_spike_analysis

**Link zum Artikel:** [https://donau2space.de/tag-113-1537-bedeckt-ueber-passau-und-ich-jage-die-p99-spitzen-wie-einzelne-sternschnuppen-im-log/](https://donau2space.de/tag-113-1537-bedeckt-ueber-passau-und-ich-jage-die-p99-spitzen-wie-einzelne-sternschnuppen-im-log/)

**Git Repository:** [https://git.donau2space.de/Mika/p99_spike_analysis](https://git.donau2space.de/Mika/p99_spike_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

### 1. spike_finder
**Art:** Python-Skript  
**Ziel:** Linux Userspace  
**Sprache:** Python  
**Zweck:** Analyse und Identifikation von P99-Spitzen in Log-Daten.  

**API-Funktionen:**
- `find_spikes(log_data, threshold)` – Analysiert Log-Daten und liefert eine Liste erkannter Spike-Events.

**Datenstruktur:**
- `SpikeEvent` (JSON): enthält `timestamp`, `value`, `context_window`.

---

### 2. migration_analysis
**Art:** Python-Skript  
**Ziel:** Linux Userspace  
**Sprache:** Python  
**Zweck:** Analyse von Migrations-Events und deren Einfluss auf die P99-Spitzen.  

**API-Funktionen:**
- `analyze_migration_impact(log_data)` – Ermittelt statistische Migrationsauswirkungen auf Spike-Events.

**Datenstruktur:**
- `MigrationImpact` (JSON): Felder `unpinned_spikes`, `pinned_spikes`, `migration_effect`.

---

### 3. results_visualization
**Art:** Web-Frontend  
**Ziel:** Web  
**Sprachen:** HTML, CSS, JavaScript  
**Zweck:** Darstellung der Analyseergebnisse zu P99-Spitzen und CPU-Migrationen.

**API-Routen:**
- **GET** `/api/spike_data` – Liefert analysierte Spike-Daten zur Anzeige.

**UI-Komponenten:** `button`, `chart`  
**JavaScript-Module:** `chart.js`

---

## Installation & Nutzung

### Voraussetzungen
- Linux-Umgebung
- Python 3.8+ installiert
- Webbrowser für Visualisierung

### Installation
1. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/p99_spike_analysis`
2. In das Verzeichnis wechseln:  
   `cd p99_spike_analysis`
3. Abhängigkeiten installieren:  
   `pip install -r requirements.txt`

### Ausführung
- Analyse von Log-Daten:  
  `python spike_finder.py --input system.log --threshold 99`
- Migration-Analyse starten:  
  `python migration_analysis.py --input system.log`
- Ergebnisse lokal visualisieren: Öffnen von `results_visualization/index.html` im Browser

---

## Typische Use-Cases
- Untersuchung unerklärlicher Latenzspitzen in Produktionsumgebungen
- Performance-Analyse bei CPU-Affinitätsänderungen
- Visualisierung von Zusammenhängen zwischen Migrationsaktivität und P99-Verhalten
- Nachträgliche Fehleranalyse unter Linux

---

## Struktur & Erweiterbarkeit
- **/scripts** – Python-Module zur Datenanalyse
- **/visualization** – Web-Frontend zur Ergebnisdarstellung
- **/data** – Beispiel-Logs oder Testdaten

Erweiterbar um weitere Analysemodule für Speicher-, IO- oder Netzlatenzen.  API-Strukturen sind generisch und JSON-kompatibel aufgebaut.

---

## Lizenz
Veröffentlicht unter der **MIT-Lizenz**.

---

*Hinweis:* Diese README.md wurde automatisch per KI generiert. Nutzung auf eigenes Risiko.