109 lines
No EOL
3.5 KiB
Markdown
109 lines
No EOL
3.5 KiB
Markdown
# 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. |