import random
import time

import numpy as np
from coapthon import defines


class SuperviseurLocalPlaceHolder():
    """Class de base pour le superviseur
    """

    def __init__(self, client_CoAP) -> None:
        client_CoAP.superviseur = self
        self.client = client_CoAP
        self._RTTs = []
        self._taux_retransmition = 0
        self._RTO = defines.ACK_TIMEOUT

    def envoie_message(self, message) -> None:
        self.envoie_token(message.token)

    def reception_message(self, message) -> None:
        self.reception_token(message.token)

    def envoie_token(self, token) -> None:
        pass

    def reception_token(self, tokken) -> None:
        pass

    @property
    def RTTs(self):
        return self._RTTs

    @property
    def taux_retransmission(self):
        return self._taux_retransmition

    @property
    def min_RTT(self):
        """Valeur minimum du RTT"""
        return min(self.RTTs)

    @property
    def avg_RTT(self):
        """Moyenne du RTT."""
        return sum(self.RTTs)/len(self.RTTs)

    @property
    def RTO(self):
        return random.uniform(self._RTO, (self._RTO * defines.ACK_RANDOM_FACTOR))


class SuperviseurLocal(SuperviseurLocalPlaceHolder):
    """
    Class implementant la supervision local de chaque client.
    """

    def __init__(self, client_CoAP) -> None:
        super().__init__(client_CoAP)
        self._dict_envoie = {}
        self._n_envoie = 0
        self._n_tokken = 0

    def envoie_token(self, token) -> None:
        """Enregistre l'envoie d'un token

        Args:
            token (int): Token à enregistrer
        """
        self._n_envoie += 1
        self._n_tokken += not(token in self._dict_envoie)
        self._dict_envoie[token] = time.time()
        self._taux_retransmition = 1 - self._n_tokken/self._n_envoie

    def reception_token(self, token) -> None:
        """Enregistre l'arrivée d'un token

        Args:
            token (int): Token à enregister
        """
        if token in self._dict_envoie:
            rtt = time.time() - self._dict_envoie[token]
            self._RTTs.append(time.time() - self._dict_envoie[token])
            # del self._dict_envoie[token]
            self.callback_new_rtt(rtt)
        else:
            pass  # raise ValueError("Tokken inconnue")

    def callback_new_rtt(self, rtt):
        pass

    def reset(self):
        self._dict_envoie = {}
        self._n_envoie = 0
        self._n_tokken = 0
        self._RTTs = []


class SuperviseurLocalFiltre(SuperviseurLocal):
    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
        self.alpha_s = alpha_s
        self._RTT_L = rtt_init
        self._RTT_S = rtt_init

    def callback_new_rtt(self, rtt):
        self._RTT_L = rtt*self.alpha_l + (1 - self.alpha_l) * self._RTT_L
        self._RTT_S = rtt*self.alpha_s + (1 - self.alpha_s) * self._RTT_S
        return super().callback_new_rtt(rtt)

    @property
    def RTT_L(self):
        return self._RTT_L

    @property
    def RTT_S(self):
        return self._RTT_S


class SuperviseurGlobal():
    def __init__(self, clients, superviseur_type, *superviseur_args) -> None:
        """Genère un superviseur global pour la liste de client donnée

        Args:
            clients (List(HelperClient)): Liste des clients à supervisé
            superviseur_type (Type): Type de superviseur à utilisé
        """
        self.clients = clients
        self.superviseurs = [superviseur_type(
            client, *superviseur_args) for client in clients]

    @property
    def state(self):
        taux_retransmissions = np.array(
            [superviseur.taux_retransmission for superviseur in self.superviseurs])

        min_rtts = np.array(
            [superviseur.min_RTT for superviseur in self.superviseurs])
        avg_rtts = np.array(
            [superviseur.avg_RTT for superviseur in self.superviseurs])
        ratio_rtts = np.array(min_rtts/avg_rtts)

        if isinstance(self.superviseurs[0], SuperviseurLocalFiltre):
            rtt_ls = np.array(
                [superviseur.RTT_L for superviseur in self.superviseurs])
            rtt_ss = np.array(
                [superviseur.RTT_S for superviseur in self.superviseurs])
            ratio_filtres = rtt_ss/rtt_ls

            representation_etat = np.array(
                [taux_retransmissions, ratio_rtts, ratio_filtres])

        else:
            representation_etat = np.array([taux_retransmissions, ratio_rtts])

        return representation_etat