V2 Analysis Coverage KO

v2 분석·시각화 대응

Wiki home › 한국어 문서 · 영어 원문

문서 안내 · 소스 저장소

제공된 v2 revision 74b71090410cac1315ae08f479a95c086feeaaf6의 분석 출력 40개 필드/계열과 Go·Python·실행 스크립트 34개를 기준으로 합니다. 각 소스의 hash는 목록에 있습니다. python3 scripts/audit-v2-analysis.py --v2 ../v2는 목록의 누락·변경을 확인하며 수치 동등성을 증명하는 검사는 아닙니다.

아래 시각화 계열을 v3의 Saved results → Images 및 비교 도구에서 제공합니다. 메인 Metrics는 기존 세션·수신 기간 정의를 유지하고, 추가 분석은 research.definition = v2-corrected-observations-v1로 구분합니다. 원본 자료와 통계 정의가 다른 경우 v2와 같은 수치를 보장하지 않습니다. 사용할 수 없는 관측값은 N/A, 추정하지 못한 전파 출처는 unknown으로 남깁니다.

분석 출력

v2 출력 계열	v3 표현과 조건
node_count, average_degree, average_degree_excluding_leaves	프로토콜·그룹별 시계열과 요약. 비잎 분모 지표는 전체 차수 합 / degree > 1인 노드 수
diameter, shortest_path_length	저장 간선에서 계산. 도달 가능한 서로 다른 노드 쌍만 사용하고 connected-pair 비율을 함께 표시
clustering_coefficient, assortativity, modularity	평균 지역 clustering, 차수 상관, 결정적 seed의 Louvain modularity. 정의되지 않는 통계는 N/A
betweenness_centrality, page_rank, degree_centrality, closeness_centrality, eigenvector_centrality	정규화 중심성의 전체·그룹 평균. 그래프 원자료가 있는 저장 표본에서 계산
degree_distribution-*	관측 snapshot별 확률을 평균한 차수 PDF/CDF와 가중 Student-t 적합
frt, reachability, drc	메시지별 최초 수신 지연·도달률·중복 수와 메시지 평균 요약. DRC/graph-node 및 DRC/target도 분리
eager_count, lazy_count, eager_frt, eager_reachability	GRAFT·IHAVE·IWANT·메시지 ID에 근거한 추정치. 미분류 수를 별도 표시하고 eager FRT는 분류된 수신 중 시각 근거가 있는 표본만 사용
pub_map, propa_map, reach_map, eager_propa_map, eager_reach_map	research.messages의 발행·수신·부모·hop·모집단·추정 근거와 전파/추정 eager 누적곡선. JSON·CSV 내보내기
dup_map, time	메시지별 중복 누적곡선 및 시각 축. 원시 중복 이벤트는 events.jsonl에 보존
send_ihave, recv_ihave, send_iwant, recv_iwant	RPC 내 해당 control 종류의 관측 횟수, entry 수, message-ID 참조 수를 구분
logical_send_ihave, logical_recv_ihave, logical_send_iwant, logical_recv_iwant	광고·요청 ID 개수. 고유 ID 개수나 실제 전달 바이트와 다름
send_graft, send_prune, logical_send_graft, logical_send_prune	관측 mesh 전이와 reciprocal 논리 간선 생성·제거. wire RPC 횟수는 별도 _rpc 계열
v3 추가	IDONTWANT, drop control, 미분류 경로, lifecycle·점수 요약, 실제 libp2p 스트림 송수신 및 프로토콜별 B/W

Python·배치 시각화

v2 소스	v3 도구
basic_graph/*	Series/Case 반복 평균·표본 SD, 임의 지표와 D 조건, 차수 확률 비교
compare_graph/*	동일 case 기준 차이, target/(target+baseline), target/baseline 및 오차 전파
trade-off_graph/*	FRT–DRC 산점도, reach 색상, 기준 화살표, 2/3목적 Pareto, 가중 점수, i/f 그룹과 p 필터
time_vs_metric_plot.py	전파·중복 누적곡선, 선형/로그 시간 축, 결합 패널
calc_lazy_metric.py	같은 case의 lazy-off 기준을 이용한 기여·겹침·효율 등 8개 관측 추정
dup_regression.py	v2 중복 회귀식 4개, 계수·rank·학습 자료 R² 및 관측/적합 비교
old/graphic.py	v2 metric JSONL과 x/y 요약 가져오기, 임의 지표·축·색상의 산점도
old/propagation.py, old/prop_plot.py	메시지별 최초 수신 경로, 지연·hop 분포, 시간·hop별 평균 누적 수신 수와 증가량
old/prop_plot_graph.py	전파 CSV·JSON 곡선 overlay, 원래 크기/최대값 정규화
old/mean_degree_ratio.py	Total/Count 자료 가져오기와 snapshot 평균 차수 확률
old/clustering_vs_eigenvector.py	두 지표 산점도와 기준 case 화살표
old/frt_drc_graph.py	v2에 하드코딩된 역사적/ER 참고 그림 3개. 현재 실험 데이터와 분리된 버튼
old/fitting.py	가중 Student-t MLE, df/location/scale 변화, 단변량·다변량 이차 회귀, 지정 D 조건의 예측 분포
image_gen.sh, total_image_gen.sh, run*.sh	선택 결과의 서버 분석 접수, 전체 PNG/CSV/차트 정의 ZIP. 기존 Python 경로 설정이나 CLI를 실행하는 방식은 아님

Import는 파일당 32MiB까지 지원합니다. 제공 형식은 metric JSONL, 전파 tree JSON/JSONL, 중복 시각 map, x_case/y/yerr·x/y JSON, 숫자 CSV, v3 분석 JSON입니다. 임의의 v2 내부 자료 구조 전부를 자동 판별하거나 원래 디렉터리·파일명을 그대로 재현하지는 않습니다. 자세한 조작은 시각화를 참고하십시오.

해석과 원자료

정확한 수식·집계·그래프 표본·Eager/Lazy 추정은 저장 결과 연구 지표에서 관리합니다. v2와 비교할 때 다음 차이를 유지하십시오.

• 메인 Metrics의 세션 기간 정의와 v2 그림을 위한 research 정의는 별개입니다. 연구 reachability는 수신 시점에 조건부인 모집단을 사용하며, 메시지별 지표와 누적 곡선의 가중 방식도 다릅니다.
• v2 reciprocal GRAFT 그래프와 v3의 표본 이웃 그래프는 동일한 관측이 아닙니다. v3 저장 그래프는 토픽을 합친 무방향 간선이며 분석은 최대 1,440개 관측 표본을 사용합니다. 원본 간선이 없는 예전 요약으로 새 중심성·경로 지표를 복원할 수 없습니다.
• 추정된 eager/lazy, 알려지지 않은 출처, 모델 예측과 v2의 고정 역사적/ER 참고자료를 구분합니다. 새 로그의 메시지 ID도 실제 발신 큐 원인을 직접 증명하지 않습니다.
• 중앙값과 모집단 합집합을 바로잡은 연구 집계를 사용합니다. Student-t는 가상 표본 60,000개를 만들거나 실패 시 임의 파라미터를 넣지 않고 관측 확률에 직접 적합합니다. 따라서 기존 Python 수치·파일 구조·그림의 완전한 동일성을 주장하지 않습니다.

새 상세 ID와 그래프 간선은 해당 버전으로 배포한 이후 수집한 로그에만 존재합니다. 필드·생략 한도는 API, 원본·분석·이미지 구분은 보존 안내, v3에 추가한 실제 스트림 B/W의 범위는 대역폭 정의를 참고하십시오.

계산 검증은 연구 지표 테스트와 출처 추정 테스트, 로그는 Peer tracer 테스트, 가져오기·비교·그림은 연구 UI 테스트와 결과 이미지 테스트에 있습니다. 소스 목록 검사는 개발 안내를 따릅니다.