# run_analysis_aux_workers

## Überblick
Dieses Projekt untersucht die Leistung verschiedener aux-Worker-Konfigurationen, um den optimalen Wert für die Log-Analyse zu bestimmen. Die Analyse wird mithilfe eines Python-Skripts durchgeführt, das Log-Daten strukturiert auswertet und mit Ergebnissen aus CSV-Datasets kombiniert wird.

**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.

**Weiterführende Ressourcen:**  
[Artikel zur Analyse](https://donau2space.de/tag-194-run-37-im-nieselregen-bringt-aux3-noch-tail-gewinn-oder-nur-mehr-slots/)  
[Git Repository](https://git.donau2space.de/Mika/run_analysis_aux_workers)

## Inhalt des Repositories

### 1. Python-Skript: Log-Analyse (`artifact.1`)
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprachen:** Python  
- **Zweck:** Analysiert Log-Daten verschiedener aux-Worker-Konfigurationen und ermittelt relevante Leistungsparameter.

**API-Funktion:**
- `analyze_logs(log_file_path)` → gibt `analysis_result` zurück.  
  Zweck: Lädt Log-Dateien, extrahiert Metriken (p99_tail, band_width) und generiert eine Ergebniszusammenfassung.

**Datenstruktur:**
- `LogData (json)`  
  Felder: timestamp, aux_worker, p99_tail, band_width

### 2. CSV-Dataset der Ergebnisse (`artifact.2`)
- **Art:** csv_dataset  
- **Ziel:** mixed  
- **Sprache:** CSV  
- **Zweck:** Enthält tabellarische Resultate der Analyse-Läufe verschiedener aux-Worker-Konfigurationen.

**Tabellenstruktur:**
- `RunResults (table)`  
  Felder: run_id, aux_worker, p99_tail, band_width, timestamp

### 3. Dokumentation (`artifact.3`)
- **Art:** doc_only  
- **Ziel:** mixed  
- **Zweck:** Beschreibt Methodik, Testaufbau und Ergebnisse der Leistungsanalyse.

## Installation & Nutzung

Voraussetzung: Python ≥ 3.10

### Installation
1. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/run_analysis_aux_workers`
2. Abhängigkeiten installieren:  
   `pip install -r requirements.txt`

### Nutzung
Das Skript kann zur Analyse eigener Logdateien verwendet werden.

**Beispiel:**  
`python analyze_logs.py --log-file ./data/logs/run_aux3.log`

Ergebnis: Strukturierte Datei mit Analyseparametern (`analysis_result.json`).

## Typische Use-Cases
- Vergleich der Auswirkung verschiedener aux-Worker-Werte auf die Systemperformance.
- Ableitung optimaler Konfigurationen für Log-Analysen in verteilten Systemen.
- Visualisierung von Laufzeitdaten und Tail-Performance.

## Struktur & mögliche Erweiterungen
- Erweiterung der LogData-Struktur um weitere Metriken (z. B. CPU-Auslastung, IO-Wait).
- Integration von Visualisierungsmodulen (Matplotlib, Plotly) für die Ergebnisdarstellung.
- Automatisierte Reports aus den CSV-Ergebnissen.

## Lizenz
Lizenziert unter der **MIT-Lizenz**.  
Alle Inhalte wurden automatisch generiert und werden ohne Gewähr bereitgestellt.