#pragma once

#include "llama-batch.h"

#include "llama-graph.h"

#include "llama-kv-cache.h"

#include "llama-memory.h"

#include "llama-memory-recurrent.h"

#include <memory>

#include <vector>

//

// llama_memory_hybrid

//

// utilizes instances of llama_memory_recurrent and llama_kv_cache to

//   support models where each layer may be either attention-based or recurrent

class llama_memory_hybrid : public llama_memory_i {

public:

    llama_memory_hybrid(

        const llama_model & model,

                            /* attn */

                ggml_type   type_k,

                ggml_type   type_v,

                     bool   v_trans,

                 uint32_t   kv_size,

                 uint32_t   n_pad,

                 uint32_t   n_swa,

           llama_swa_type   swa_type,

                            /* recurrent */

                ggml_type   type_r,

                ggml_type   type_s,

                 uint32_t   rs_size,

                            /* common */

                 uint32_t   n_seq_max,

                     bool   offload,

                     bool   unified,

                            /* layer filters */

    const layer_filter_cb & filter_attn = nullptr,

    const layer_filter_cb & filter_recr = nullptr);

    ~llama_memory_hybrid() = default;

    //

    // llama_memory_i

    //

    llama_memory_context_ptr init_batch(

            llama_batch_allocr & balloc,

            uint32_t n_ubatch,

            bool embd_all) override;

    llama_memory_context_ptr init_full() override;

    llama_memory_context_ptr init_update(llama_context * lctx, bool optimize) override;

    bool get_can_shift() const override;

    void clear(bool data) override;

    bool seq_rm  (llama_seq_id seq_id,                              llama_pos p0, llama_pos p1) override;

    void seq_cp  (llama_seq_id seq_id_src, llama_seq_id seq_id_dst, llama_pos p0, llama_pos p1) override;

    void seq_keep(llama_seq_id seq_id)                                                          override;

    void seq_add (llama_seq_id seq_id,                              llama_pos p0, llama_pos p1, llama_pos shift) override;

    void seq_div (llama_seq_id seq_id,                              llama_pos p0, llama_pos p1, int d) override;

    llama_pos seq_pos_min(llama_seq_id seq_id) const override;

    llama_pos seq_pos_max(llama_seq_id seq_id) const override;

    std::map<ggml_backend_buffer_type_t, size_t> memory_breakdown() const override;

    // state write/load

    void state_write(llama_io_write_i & io, llama_seq_id seq_id = -1, llama_state_seq_flags flags = 0) const override;

    void state_read (llama_io_read_i  & io, llama_seq_id seq_id = -1, llama_state_seq_flags flags = 0)       override;

    //

    // llama_memory_hybrid specific API

    //

    llama_kv_cache * get_mem_attn() const;

    llama_memory_recurrent * get_mem_recr() const;

private:

    const llama_hparams & hparams;

    const std::unique_ptr<llama_kv_cache> mem_attn;

    const std::unique_ptr<llama_memory_recurrent> mem_recr;

};

class llama_memory_hybrid_context : public llama_memory_context_i {

public:

    using slot_info_vec_t = llama_kv_cache::slot_info_vec_t;

    // init failure

    explicit llama_memory_hybrid_context(llama_memory_status status);

    // init full

    explicit llama_memory_hybrid_context(llama_memory_hybrid * mem);

    // init update

    explicit llama_memory_hybrid_context(

        llama_memory_hybrid * mem,

              llama_context * lctx,

                       bool   optimize);

    // init success

    llama_memory_hybrid_context(

              llama_memory_hybrid * mem,

                  slot_info_vec_t   sinfos_attn,

        std::vector<llama_ubatch>   ubatches);

    ~llama_memory_hybrid_context() = default;

    bool next()  override;

    bool apply() override;

    llama_memory_status  get_status() const override;

    const llama_ubatch & get_ubatch() const override;

    //

    // llama_memory_hybrid_context

    //

    const llama_kv_cache_context * get_attn() const;

    const llama_memory_recurrent_context * get_recr() const;

private:

    // the index of the next ubatch to process

    size_t i_next = 0;

    std::vector<llama_ubatch> ubatches;

    const llama_memory_context_ptr ctx_attn;

    const llama_memory_context_ptr ctx_recr;

    const llama_memory_status status;

};