Gestion de l'absence de RTT

coapthon/client/superviseur.py

@@ -5,9 +5,21 @@ import numpy as np
 from coapthon import defines
 
 
+class SupervisorError(Exception):
+    def __init__(self, *args: object) -> None:
+        super().__init__(*args)
+
+
+class NoRttError(SupervisorError):
+    def __init__(self, *args: object) -> None:
+        super().__init__(*args)
+
+
 class SuperviseurLocalPlaceHolder():
     """Class de base pour le superviseur
     """
+    
+    N_MESURE = 0
 
     def __init__(self, client_CoAP) -> None:
         client_CoAP.superviseur = self
@@ -28,6 +40,9 @@ class SuperviseurLocalPlaceHolder():
     def reception_token(self, tokken) -> None:
         pass
 
+    def failed_request(self):
+        pass
+
     @property
     def RTTs(self):
         return self._RTTs
@@ -39,15 +54,20 @@ class SuperviseurLocalPlaceHolder():
     @property
     def min_RTT(self):
         """Valeur minimum du RTT"""
-        return min(self.RTTs)
+        if len(self.RTTs):
+            return min(self.RTTs)
+        raise NoRttError
 
     @property
     def avg_RTT(self):
         """Moyenne du RTT."""
-        return sum(self.RTTs)/len(self.RTTs)
+        if len(self.RTTs):
+            return sum(self.RTTs)/len(self.RTTs)
+        raise NoRttError
 
     @property
     def RTO(self):
+        return self._RTO
         return random.uniform(self._RTO, (self._RTO * defines.ACK_RANDOM_FACTOR))
 
 
@@ -56,11 +76,14 @@ class SuperviseurLocal(SuperviseurLocalPlaceHolder):
     Class implementant la supervision local de chaque client.
     """
 
+    N_MESURE = 2
+
     def __init__(self, client_CoAP) -> None:
         super().__init__(client_CoAP)
         self._dict_envoie = {}
         self._n_envoie = 0
-        self._n_tokken = 0
+        self._n_token = 0
+        self._n_echec = 0
 
     def envoie_token(self, token) -> None:
         """Enregistre l'envoie d'un token
@@ -69,9 +92,9 @@ class SuperviseurLocal(SuperviseurLocalPlaceHolder):
             token (int): Token à enregistrer
         """
         self._n_envoie += 1
-        self._n_tokken += not(token in self._dict_envoie)
+        self._n_token += not(token in self._dict_envoie)
         self._dict_envoie[token] = time.time()
-        self._taux_retransmition = 1 - self._n_tokken/self._n_envoie
+        self._taux_retransmition = 1 - self._n_token/self._n_envoie
 
     def reception_token(self, token) -> None:
         """Enregistre l'arrivée d'un token
@@ -87,17 +110,25 @@ class SuperviseurLocal(SuperviseurLocalPlaceHolder):
         else:
             pass  # raise ValueError("Tokken inconnue")
 
+    def failed_request(self):
+        self._n_echec += 1
+        return super().failed_request()
+
     def callback_new_rtt(self, rtt):
         pass
 
     def reset(self):
         self._dict_envoie = {}
         self._n_envoie = 0
-        self._n_tokken = 0
+        self._n_token = 0
+        self._n_echec = 0
         self._RTTs = []
 
 
 class SuperviseurLocalFiltre(SuperviseurLocal):
+
+    N_MESURE = 3
+
     def __init__(self, client_CoAP, rtt_init=0.01, alpha_l=0.01, alpha_s=0.1) -> None:
         super().__init__(client_CoAP)
         self.alpha_l = alpha_l
@@ -120,6 +151,8 @@ class SuperviseurLocalFiltre(SuperviseurLocal):
 
 
 class SuperviseurGlobal():
+    nombre_mesure = 3
+
     def __init__(self, clients, superviseur_type, *superviseur_args) -> None:
         """Genère un superviseur global pour la liste de client donnée
 
@@ -130,9 +163,18 @@ class SuperviseurGlobal():
         self.clients = clients
         self.superviseurs = [superviseur_type(
             client, *superviseur_args) for client in clients]
+        
+        self._last_state = np.zeros((superviseur_type.N_MESURE, len(clients)))
 
     @property
     def state(self):
+        """[summary]
+
+        Returns:
+            [type]: [description]
+        """
+
+        """
         taux_retransmissions = np.array(
             [superviseur.taux_retransmission for superviseur in self.superviseurs])
 
@@ -156,3 +198,41 @@ class SuperviseurGlobal():
             representation_etat = np.array([taux_retransmissions, ratio_rtts])
 
         return representation_etat
+        """
+
+        vecteurs = []
+        for n, superviseur in enumerate(self.superviseurs):
+            if isinstance(superviseur, SuperviseurLocalFiltre):
+                try :
+                    vecteurs.append(np.array([[superviseur.taux_retransmission, superviseur.min_RTT/superviseur.avg_RTT, superviseur.RTT_S/superviseur.RTT_L]], dtype=np.float32))
+                except NoRttError:
+                    vecteurs.append(self._last_state[:,n])
+        return np.concatenate(vecteurs, axis=0).T
+
+    def application_action(self, actions):
+        for n, alpha in enumerate(actions):
+            if alpha >= 0:
+                g = 1 + alpha
+            else:
+                g = 1/(1-alpha)
+            self.superviseurs[n]._RTO *= g
+            self.superviseurs[n]._RTO = min([self.superviseurs[n]._RTO, 2])
+
+    def reset(self):
+        [superviseur.reset() for superviseur in self.superviseurs]
+
+    def qualite(self, n_request, beta_retransmission, beta_equite, beta_RTO):
+
+        n_envoies = np.array([
+            superviseur._n_envoie for superviseur in self.superviseurs])
+        n_tokens = np.array([superviseur._n_token for superviseur in self.superviseurs])
+        RTOs = np.array([superviseur.RTO for superviseur in self.superviseurs])
+
+        qualite = 0
+        qualite -= beta_retransmission * sum(n_tokens)/sum(n_envoies)
+        qualite += beta_equite * \
+            (sum(n_envoies/n_tokens))**2 / \
+            (len(n_envoies) * sum((n_envoies/n_tokens)**2))
+        qualite -= beta_RTO * np.max(RTOs)
+
+        return qualite