Timekeeping Analysis

Überblick

Das Projekt timekeeping_analysis untersucht die Auswirkungen von WF_MIGRATED auf die Zeitmessung und das Scheduling im Linux-Kernel. Hierfür wird BPF eingesetzt, um präzise Logging-Mechanismen für relevante Kernel-Events zu realisieren. Die erhobenen Daten werden anschließend analysiert und visuell aufbereitet.

Weitere Hintergrundinformationen finden sich im Artikel: Erster Tick im Blick – rq->clock, first_tkread macht WF_MIGRATED messbar

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 besteht aus mehreren Artefakten zur Erfassung, Analyse und Visualisierung von Zeitmessdaten im Zusammenhang mit WF_MIGRATED.

Artefakt-Liste

1. bpf_logging

Art: Python-Skript
Ziel: Linux-Userspace
Sprachen: Python
Zweck: Implementiert BPF-Logging zur Erfassung von first_tkread und rq->clock.
API-Funktionen:
- setup_bpf_logging(correlation_id) – Initialisiert das BPF-Logging für eine Korrelations-ID.
- log_timekeeping_event(event_type, correlation_id) – Protokolliert ein Zeitmess-Event.
Datenstruktur: log_entry (JSON)
- Felder: correlation_id, event_type, timestamp

2. data_analysis

Art: Python-Skript
Ziel: Linux-Userspace
Sprachen: Python
Zweck: Analysiert Zeitmessdaten und bestimmt die Zeitdifferenzen zwischen relevanten Kernel-Events (ttwu und first_tkread).
API-Funktionen:
- analyze_log_data(log_file) – Analysiert ein Logfile und gibt statistische Ergebnisse zurück.
Datenstruktur: analysis_result (JSON)
- Felder: total_migrated, total_non_migrated, median_time_diff

3. trace_visualization

Art: Web-UI
Ziel: Web
Sprachen: HTML, CSS, JavaScript
Zweck: Stellt grafische Auswertungen der gesammelten Trace-Daten dar.
API-Endpunkte:
- GET /api/get-analysis – Liefert Analyseergebnisse zur Darstellung im Browser.
JavaScript-Module:
- chart.js – Wird zur Diagrammerstellung verwendet.

Installation & Nutzung

Voraussetzungen

Linux-Umgebung mit BPF-Unterstützung
Python 3.8 oder höher
Webbrowser für Visualisierung

Installation

Repository klonen:

git clone https://github.com/<user>/timekeeping_analysis.git
cd timekeeping_analysis

Python-Abhängigkeiten installieren:
```
pip install -r requirements.txt
```
BPF-Skript starten:
```
python bpf_logging.py
```

Daten analysieren:

python data_analysis.py logs/output.json

Weboberfläche öffnen:
```
open trace_visualization/index.html
```

Typische Use-Cases

Untersuchung von Scheduling-Verhalten bei Task-Migrationen.
Analyse von Zeitdifferenzen zwischen Kernel-Ereignissen.
Visualisierung von Zeitmessdaten im Browser.

Struktur & Erweiterbarkeit

bpf_logging.py: Logging-Komponente für Kernel-Events.
data_analysis.py: Analytikmodul für Logdaten.
trace_visualization/: Weboberfläche für grafische Darstellung.

Das Projekt kann um weitere BPF-Proben, Webmodule oder Metriken erweitert werden.

Lizenz

Dieses Projekt steht unter der MIT-Lizenz.

Dieses Repository wurde automatisiert generiert. Nutzung auf eigene Gefahr.

3.5 KiB Raw Permalink Blame History Unescape Escape