# -*- coding: utf-8 -*-
"""Демо: π методом Монте-Карло в MPI (reduce).

Запуск из корня курса:
    mpiexec -n 4 python lab08_mpi/examples/04_pi_reduce_mpi.py

Каждый ранг бросает свою порцию «точек» со СВОИМ зерном (rank-зависимым),
reduce(SUM) сворачивает попадания. Число рангов не меняет формулу —
меняется только распределение бросков.
"""
import random
import time

from mpi4py import MPI

comm = MPI.COMM_WORLD
rank = comm.Get_rank()
size = comm.Get_size()

N_PER_RANK = 500_000


def count_inside(n: int, seed: int) -> int:
    rng = random.Random(seed)          # зерно зависит от ранга
    inside = 0
    for _ in range(n):
        x = rng.random()
        y = rng.random()
        if x * x + y * y <= 1.0:
            inside += 1
    return inside


t0 = time.perf_counter()
my_inside = count_inside(N_PER_RANK, seed=1000 + rank)
total_inside = comm.reduce(my_inside, op=MPI.SUM, root=0)
dt = time.perf_counter() - t0

if rank == 0:
    total = N_PER_RANK * size
    pi = 4.0 * total_inside / total
    print(f"рангов: {size}, бросков на ранг: {N_PER_RANK:,} (всего {total:,})")
    print(f"π ≈ {pi:.6f} (погрешность {abs(pi - 3.141592653589793):.6f})")
    print(f"время: {dt:.2f} c")
    if size == 1:
        print("\nПопробуйте: mpiexec -n 4 python lab08_mpi/examples/04_pi_reduce_mpi.py")
        print("Каждый ранг добавляет 500k бросков: точность растёт, время — нет.")