mission-control-v2/backend/services/metrics_history.py

"""24-h-Metrik-Verlauf für die Cockpit-Zeitachse (User-Wunsch 16.07.: „WANN war Last?").

Ein leichter Sammler (Lifespan-Task in app.py) legt alle SAMPLE_S Sekunden einen
kompakten Punkt in einen Ringpuffer: CPU/RAM/GPU/Disk in Prozent + die Token-
GESAMTZÄHLER (das Frontend rechnet Raten aus den Deltas). Der Puffer hält exakt
24 h — Älteres fällt automatisch raus (deque maxlen), nichts wächst unbegrenzt.
Periodisch wird auf Platte persistiert (übersteht MC2-Restarts/Deploys); beim
Laden fliegt alles raus, was älter als 24 h ist.

Bewusst NICHT im Steward: die Historie ist reine UI-Ware, und ein paar Sekunden
Lücke pro Deploy sind egal.
"""

import asyncio
import json
import logging
import os
import time
from collections import deque

from config import MODELS_DIR

log = logging.getLogger(__name__)

SAMPLE_S = 10                      # Abtast-Takt
RETENTION_S = 24 * 3600            # 24 h — danach löschen und neu bauen (Ringpuffer)
MAXLEN = RETENTION_S // SAMPLE_S   # 8640 Punkte
FLUSH_S = 300                      # höchstens alle 5 min auf Platte
MAX_RETURN_POINTS = 300            # Endpoint downsampled auf ~diese Punktzahl

HISTORY_PATH = MODELS_DIR / "mc2-metrics-history.json"

# Punkt = [t, cpu, ram, gpu, disk, tp, tc] (t = Epoch-Sekunden; tp/tc = Token-Totale)
_points: deque = deque(maxlen=MAXLEN)
_loaded = False
_last_flush = 0.0


def _load() -> None:
    global _loaded
    if _loaded:
        return
    _loaded = True
    try:
        raw = json.loads(HISTORY_PATH.read_text(encoding="utf-8"))
        cutoff = time.time() - RETENTION_S
        for p in raw if isinstance(raw, list) else []:
            if isinstance(p, list) and len(p) == 7 and isinstance(p[0], (int, float)) and p[0] >= cutoff:
                _points.append(p)
        if _points:
            log.info("metrics_history: %d Punkte aus %s geladen", len(_points), HISTORY_PATH)
    except FileNotFoundError:
        pass
    except Exception:  # noqa: BLE001 — kaputte Datei = leer starten, nie crashen
        log.warning("metrics_history: %s nicht lesbar — starte leer", HISTORY_PATH, exc_info=True)


def _flush() -> None:
    global _last_flush
    _last_flush = time.time()
    try:
        tmp = HISTORY_PATH.with_suffix(".tmp")
        tmp.write_text(json.dumps(list(_points), separators=(",", ":")), encoding="utf-8")
        tmp.replace(HISTORY_PATH)
    except OSError:
        log.warning("metrics_history: %s nicht schreibbar", HISTORY_PATH, exc_info=True)


def _sample() -> None:
    import psutil

    from services.system import _gpu_sysfs
    from services.token_stats import get_stats

    vm = psutil.virtual_memory()
    disk = None
    try:
        du = psutil.disk_usage(str(MODELS_DIR) if MODELS_DIR.exists() else os.getcwd())
        disk = du.percent
    except Exception:  # noqa: BLE001
        pass
    gpu = None
    try:
        g = _gpu_sysfs()
        gpu = g.get("busy_percent") if g else None
    except Exception:  # noqa: BLE001
        pass
    tp = tc = None
    try:
        ts = get_stats()
        tp, tc = ts.get("prompt_tokens"), ts.get("completion_tokens")
    except Exception:  # noqa: BLE001
        pass
    # interval=None: nicht-blockierende CPU-Messung seit dem letzten Aufruf (10 s her — ideal).
    _points.append([int(time.time()), psutil.cpu_percent(interval=None), vm.percent, gpu, disk, tp, tc])


async def sampler_loop() -> None:
    """Dauer-Sammler fürs App-Lifespan. Fehler eines Ticks reißen die Schleife nie."""
    _load()
    while True:
        try:
            await asyncio.to_thread(_sample)
        except Exception:  # noqa: BLE001
            log.debug("metrics_history: Sample fehlgeschlagen", exc_info=True)
        if time.time() - _last_flush >= FLUSH_S:
            try:
                await asyncio.to_thread(_flush)
            except Exception:  # noqa: BLE001
                pass
        await asyncio.sleep(SAMPLE_S)


def history(minutes: int = 60) -> dict:
    """Punkte der letzten N Minuten, auf ≤ MAX_RETURN_POINTS ausgedünnt (Stride)."""
    _load()
    minutes = max(1, min(int(minutes), RETENTION_S // 60))
    cutoff = time.time() - minutes * 60
    pts = [p for p in _points if p[0] >= cutoff]
    stride = max(1, len(pts) // MAX_RETURN_POINTS)
    pts = pts[::stride]
    return {
        "sample_s": SAMPLE_S * stride,
        "points": [
            {"t": p[0], "cpu": p[1], "ram": p[2], "gpu": p[3], "disk": p[4], "tp": p[5], "tc": p[6]}
            for p in pts
        ],
    }