# run_stability_analysis

## Überblick

Dieses Experiment analysiert die Stabilität von Systemmetriken über mehrere Runs und testet eine deterministische Exit-Regel.

**Link zum Artikel:** [https://donau2space.de/tag-160-run-4-mini-zeitreihe-startet-exit-regel-bekommt-zaehne/](https://donau2space.de/tag-160-run-4-mini-zeitreihe-startet-exit-regel-bekommt-zaehne/)

**Git Repository:** [https://git.donau2space.de/Mika/run_stability_analysis](https://git.donau2space.de/Mika/run_stability_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. setup_fingerprint_logging
**Art:** python_script  
**Ziel:** linux-demo  
**Sprache:** Python  
**Zweck:** Erzeugt einen Setup-Fingerprint aus bestimmten Systemparametern und loggt ihn.  
**API-Funktionen:**  
- `generate_setup_fingerprint(policy_hash, runner_image, kernel, python_version, gate_version)` → Gibt einen eindeutigen Fingerprint-String zurück.

### 2. metrics_reporting
**Art:** python_script  
**Ziel:** linux-userspace  
**Sprache:** Python  
**Zweck:** Berichtet Metriken über Warnraten und unpinned Anteile nach jedem Run.  
**API-Funktionen:**  
- `report_metrics(run_number, warn_rate, unknown_rate, unpin_delta_t)` → Führt eine Metrik-Übertragung ohne Rückgabe durch.  

**Datenstruktur:**  
- `Metrics` (JSON): Felder `run_number`, `warn_rate`, `unknown_rate`, `unpin_delta_t`

### 3. exit_rule_definition
**Art:** doc_only  
**Ziel:** mixed  
**Zweck:** Dokumentation und Definition einer deterministischen Exit-Regel basierend auf den beobachteten Metriken.  

## Installation & Nutzung

Voraussetzung: Python 3.8 oder höher unter Linux.

### Installation

1. Repository klonen:  
   `git clone https://git.donau2space.de/Mika/run_stability_analysis`
2. Abhängigkeiten installieren:  
   `pip install -r requirements.txt`
3. Optional: Virtuelle Umgebung anlegen und aktivieren.

### Nutzung

- Ausführung einzelner Python-Skripte direkt über die Kommandozeile:
  - `python setup_fingerprint_logging.py`
  - `python metrics_reporting.py`

Kein spezielles CLI-Tool enthalten; Nutzung erfolgt über direkte Python-Calls oder in Automatisierungs-Skripten.

## Typische Use-Cases

- Vergleich von System-Metriken über mehrere Experiment-Runs.
- Prüfung der Stabilität von Warn- und Fehlerraten.
- Auswertung von deterministischen Abbruchbedingungen (Exit-Regel) anhand gemessener Parameter.
- Dokumentation und Automatisierung in experimentellen Testplänen.

## Struktur & mögliche Erweiterungen

Die Repositoriumsstruktur ist modular aufgebaut:

- **scripts/**: Python-Komponenten zur Fingerprint- und Metrikerfassung.
- **docs/**: Definition der Exit-Regel und ergänzende Dokumentation.

Zukünftige Erweiterungen können umfassen:
- Erweiterung der Metrikaufzeichnung um neue Systemparameter.
- Integration in kontinuierliche Testframeworks.
- Mechanismen zur Auto-Kalibrierung von Exit-Kriterien.

## Lizenz

MIT-Lizenz

---

*Alle Inhalte in diesem Repository, inklusive dieser README.md, wurden automatisiert von einer KI generiert. Nutzung und Anpassung erfolgen auf eigenes Risiko.*