#pragma once

#include "llama-kv-cache.h"

#include <vector>

//

// llama_kv_cache_dsa

//

// utilizes two instances of llama_kv_cache:

// - the first instance is for caching key tensors of the model,

// - the second instance is for caching lightning indexer key tensors

class llama_kv_cache_dsa : public llama_memory_i {

public:

    llama_kv_cache_dsa(

            const llama_model & model,

                    ggml_type   type_k,

                    ggml_type   type_v,

                         bool   v_trans,

                         bool   offload,

                         bool   unified,

                     uint32_t   kv_size,

                     uint32_t   n_seq_max,

                     uint32_t   n_pad,

                     uint32_t   n_swa,

               llama_swa_type   swa_type,

        const layer_filter_cb & filter,

        const  layer_reuse_cb & reuse);

    ~llama_kv_cache_dsa() = 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_kv_cache_dsa specific API

    //

    llama_kv_cache * get_mla() const;

    llama_kv_cache * get_lid() const;

private:

    // we keep indexer KV cache hparams instance here as llama_kv_cache stores only reference to it

    llama_hparams hparams_lid;

    const uint32_t n_stream  = 1;

    std::unique_ptr<llama_kv_cache> kv_mla;

    std::unique_ptr<llama_kv_cache> kv_lid;

};

class llama_kv_cache_dsa_context : public llama_memory_context_i {

public:

    using slot_info_vec_t = llama_kv_cache::slot_info_vec_t;

    // used for errors

    llama_kv_cache_dsa_context(llama_memory_status status);

    // used to create a full-cache context

    llama_kv_cache_dsa_context(

            llama_kv_cache_dsa * kv);

    // used to create an update context

    llama_kv_cache_dsa_context(

            llama_kv_cache_dsa * kv,

            llama_context * lctx,

            bool optimize);

    // used to create a batch processing context from a batch

    llama_kv_cache_dsa_context(

            llama_kv_cache_dsa * kv,

            slot_info_vec_t sinfos_base,

            slot_info_vec_t sinfos_ik,

            std::vector<llama_ubatch> ubatches);

    virtual ~llama_kv_cache_dsa_context();

    //

    // llama_memory_context_i

    //

    bool next()  override;

    bool apply() override;

    llama_memory_status  get_status() const override;

    const llama_ubatch & get_ubatch() const override;

    //

    // llama_kv_cache_dsa_context specific API

    //

    const llama_kv_cache_context * get_mla() const;

    const llama_kv_cache_context * get_lid()  const;

private:

    //llama_kv_cache_dsa * kv;

    // the index of the next ubatch to process

    size_t i_next = 0;

    std::vector<llama_ubatch> ubatches;

    const llama_memory_context_ptr ctx_mla;

    const llama_memory_context_ptr ctx_lid;

    const llama_memory_status status;

};