# run_31_analysis

## Überblick
Analyse der Auswirkungen von paralleler Verarbeitung auf Bandbreite und Reaktionszeit in Tests mit unterschiedlichen Sättigungsgraden.

**Link zum Artikel:** [https://donau2space.de/tag-186-run-31-4x→8x-gefahren-kippts-in-saettigung-oder-wird-nur-der-tail-nervoes/](https://donau2space.de/tag-186-run-31-4x%E2%86%928x-gefahren-kippts-in-saettigung-oder-wird-nur-der-tail-nervoes/)

**Git Repo:** [https://git.donau2space.de/Mika/run_31_analysis](https://git.donau2space.de/Mika/run_31_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

Das Projekt *run_31_analysis* besteht aus mehreren Komponenten zur Datenerfassung, Analyse und Visualisierung.

### Artefakte

#### 1. bandwidth_analysis
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprachen:** Python  
- **Zweck:** Analyse der Bandbreitenänderungen und Reaktionszeiten basierend auf gesammelten Testdaten.  

**API-Funktion:**  
- `analyze_bandwidth(baseline_data, test_data) → analysis_result`  
  Analysiert Unterschiede in Bandbreite und Reaktionszeit anhand von Vergleichsdaten.

**Datenstruktur:**  
- `analysis_result` (JSON) mit Feldern: `bandwidth_change`, `retry_tail_change`, `hotspot_segments`

#### 2. data_visualization
- **Art:** web_ui  
- **Ziel:** web  
- **Sprachen:** HTML, CSS, JavaScript  
- **Zweck:** Visualisierung der Testergebnisse und Analyseergebnisse über eine Weboberfläche.  

**API-Route:**  
- `GET /results` – Lädt aktuelle Testergebnisse zur Anzeige.

**Verwendete Module:**  
- `chart.js` für grafische Auswertungen

#### 3. csv_export
- **Art:** csv_dataset  
- **Ziel:** mixed  
- **Sprache:** CSV  
- **Zweck:** Bereitstellung von exportierten Testergebnissen zur Weiterverarbeitung oder Analyse.  

**Datenstruktur:**  
- `test_results` (CSV) mit Feldern: `run_id`, `bandwidth`, `retry_tail`, `result_type`

## Voraussetzungen (Webserver/DB)
Für die *data_visualization*-Komponente wird ein Webserver benötigt, der statische Inhalte (HTML, CSS, JS) bereitstellt. Keine Datenbank erforderlich.

## Installation & Nutzung

### Python-Analyse-Skript
1. Python 3.10+ installieren.
2. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/run_31_analysis`
3. In das Projektverzeichnis wechseln:  
   `cd run_31_analysis`
4. Abhängigkeiten installieren (z. B. mittels `pip install -r requirements.txt`).

**Ausführung:**  
`python bandwidth_analysis.py --input baseline.csv --test test.csv --output result.json`

### Web-Oberfläche starten
1. In das Verzeichnis `data_visualization/` wechseln.  
2. Lokalen Webserver starten, z. B. `python -m http.server 8080`.
3. Browser öffnen: `http://localhost:8080`

### CSV-Daten
Die Datei `csv_export/test_results.csv` kann direkt eingelesen oder in Tabellenkalkulationsprogrammen geöffnet werden.

## Typische Use-Cases
- Vergleich von Bandbreiten vor und nach Parallelisierung.
- Identifikation von Reaktionszeiten unter Last.
- Visualisierung von Sättigungseffekten über Zeit.
- Export der Testergebnisse für weiterführende Analysen.

## Struktur & Erweiterbarkeit
- `bandwidth_analysis.py`: Analysemodul, erweiterbar um neue Metriken oder Datenquellen.
- `data_visualization/`: Web-Frontend, modular über JavaScript-Komponenten (chart.js).
- `csv_export/`: Ausgabe und Speicherung der Ergebnisse in CSV-Form.

Erweiterungen sind möglich durch Integration zusätzlicher Analysetypen, Webkomponenten oder alternative Speicherformate.

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

Alle Inhalte wurden automatisch generiert. Nutzung, Anpassung und Weiterentwicklung erfolgen auf eigene Verantwortung ohne Gewähr.