# Time Measurement Timeline

## Überblick
Das Projekt *time_measurement_timeline* zielt darauf ab, Zeitstempel für verschiedene Phasen eines Upload-Prozesses zu erfassen und zu analysieren. Ziel ist es, Vertrauen in die Datenkonsistenz und Verfügbarkeit sicherzustellen, indem Latenzen und mögliche zeitliche Abweichungen gemessen und dokumentiert werden.

**Link zum Artikel:** [https://donau2space.de/tag-149-drei-zeitstempel-gegen-den-phantom-missing-ich-baue-mir-eine-timeline/](https://donau2space.de/tag-149-drei-zeitstempel-gegen-den-phantom-missing-ich-baue-mir-eine-timeline/)

**Git Repository:** [https://git.donau2space.de/Mika/time_measurement_timeline](https://git.donau2space.de/Mika/time_measurement_timeline)

## 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 enthält drei Python-Skripte zur Erfassung, Berechnung und Analyse von Zeitstempeln und Latenzen:

### 1. timestamp_logger
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprache:** Python  
- **Zweck:** Erfasst Zeitstempel für definierte Ereignisse während eines Upload-Prozesses und speichert diese in einer JSONL-Datei.
- **API-Funktion:**
  - `log_timestamps(t_publish, t_gate_read, t_index_visible)` – Protokolliert Zeitstempel und gibt `True` bei erfolgreichem Logging zurück.
- **Datenstruktur:**
  - `timestamp_entry`: JSON-Struktur mit den Feldern `t_publish`, `t_gate_read`, `t_index_visible`.

### 2. latency_calculator
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprache:** Python  
- **Zweck:** Berechnet Latenzen zwischen den erfassten Zeitstempeln und erstellt grundlegende Statistiken.
- **API-Funktion:**
  - `calculate_latency(timestamp_entry)` – Liefert ein Dictionary mit p50-, p95- und max-Latenzwerten.
- **Datenstruktur:**
  - `latency_statistics`: JSON-Struktur mit den Feldern `p50`, `p95`, `max`.

### 3. drift_detector
- **Art:** python_script  
- **Ziel:** linux-userspace  
- **Sprache:** Python  
- **Zweck:** Erkennt zeitliche Drift in den aufgezeichneten Datensätzen und klassifiziert sie.
- **API-Funktion:**
  - `detect_drift(path)` – Analysiert Dateien auf Abweichungen und gibt `True` bei erkannter Drift zurück.
- **Datenstruktur:**
  - `drift_signature`: JSON-Struktur mit den Feldern `normalized_path`, `original_path`, `is_drift`.

## Installation & Nutzung
Voraussetzung ist eine funktionierende Python-Umgebung (Version ≥ 3.8).

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

**Ausführung:**
- Zeitstempel erfassen:  
  `python timestamp_logger.py`
- Latenzen berechnen:  
  `python latency_calculator.py`
- Drift erkennen:  
  `python drift_detector.py`

## Typische Use-Cases
- Überwachung der Verarbeitungslatenz in Upload-Prozessen
- Validierung der Konsistenz verteilt gespeicherter Daten
- Erkennung von Laufzeitverschiebungen (Drift) bei zeitabhängigen Systemen.

## Struktur & mögliche Erweiterungen
- Klare Trennung zwischen Erfassung (Logger), Auswertung (Calculator) und Analyse (Drift Detector)
- Erweiterbar um zusätzliche Metrik-Module wie Ausreißererkennung oder Visualisierung
- Möglichkeit, Datenquellen zu abstrahieren oder zentrale Log-Datenbanken anzubinden.

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

Die Inhalte wurden automatisch durch KI erzeugt. Nutzung und Weiterverwendung erfolgen auf eigene Verantwortung.