Policy v1.1 Decision Table

Überblick

Dieses Repository dokumentiert und implementiert das Experiment policy_v1_1_decision_table. Ziel ist die Entwicklung einer klar definierten Entscheidungstabelle zur Klassifizierung von Unknowns in der Continuous Integration (CI) sowie die Analyse des Rerun-Effekts anhand von Audit-Daten.

Weitere Informationen und Hintergrundanalyse:
Artikel auf donau2space.de
Git Repository

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 umfasst drei zentrale Artefakte:

1. audit_analysis

• Art: Python-Skript
• Zielplattform: Linux Userspace
• Sprache: Python
• Zweck: Analyse der Datei audit.csv und Klassifizierung von Unknowns nach definierten Regeln.
• API-Funktionen:
  • analyze_audit(file_path) – Analysiert die Audit-Daten und erzeugt einen Klassifikationsbericht.
• Datenstrukturen:
  • classification_report (Typ JSON)
    • Felder: class, percentage, action

2. rerun_analysis

• Art: Python-Skript
• Zielplattform: Linux Userspace
• Sprache: Python
• Zweck: Berechnung und Bewertung der Rerun-Effekte aus Audit-Daten.
• API-Funktionen:
  • calculate_rerun_effects(audit_data) – Ermittelt die Auswirkungen von Reruns auf Messergebnisse.
• Datenstrukturen:
  • rerun_analysis_results (Typ JSON)
    • Felder: helps, shifts, hurts

3. decision_table

• Art: Dokumentation
• Ziel: Mixed Environment
• Sprache: Nicht anwendbar
• Zweck: Definition klarer Entscheidungsregeln für PASS/WARN/FAIL auf Basis der Analyseergebnisse.

Installation & Nutzung

Dieses Repository enthält Python-Skripte, die direkt im Linux-Userspace verwendet werden können.

Voraussetzungen

• Python ≥ 3.8
• Installierte Pakete gemäß requirements.txt (falls vorhanden)

Installation

1. Repository klonen:

   git clone https://git.donau2space.de/Mika/policy_v1_1_decision_table.git
   cd policy_v1_1_decision_table
   

2. Optional: Virtuelle Umgebung anlegen:

   python3 -m venv venv
   source venv/bin/activate
   

3. Abhängigkeiten installieren:

   pip install -r requirements.txt
   

Nutzung

Analysedurchlauf mit Audit-Daten:

python audit_analysis.py --file audit.csv

Rerun-Effekte berechnen:

python rerun_analysis.py --input audit_results.json

Typische Use-Cases

• Bewertung von Build-Ergebnissen mit unbekannter Klassifikation.
• Berechnung von Effekten mehrfach ausgeführter Pipelines.
• Validierung und Pflege einer Entscheidungstabelle für CI-Automatisierung.

Struktur & mögliche Erweiterungen

• Ordner src/ enthält die Python-Skripte für Datenauswertung.
• Ordner docs/ enthält die Entscheidungstabelle und begleitende Dokumentation.
• Erweiterungen:
  • Integration zusätzlicher Datenquellen (z. B. Jenkins-Logs).
  • Erweiterung der Entscheidungstabelle um probabilistische Klassifikationen.
  • Ergänzung um Web-Dashboard zur Visualisierung der Analyse.

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.
Die Inhalte wurden automatisch durch ein KI-System erzeugt und werden ohne Gewähr bereitgestellt.