run_31_analysis/README.md

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/

Git Repo: 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.