import numpy as np
import time
import concurrent.futures

def calculate_determinant(matrix):
    return np.linalg.det(matrix)

def calculate_determinant_parallel(matrix, num_threads):
    result = 1.0
    chunk_size = matrix.shape[0] // num_threads

    def calculate_chunk(start, end):
        nonlocal result
        for i in range(start, end):
            result *= matrix[i, i]

    with concurrent.futures.ThreadPoolExecutor(max_workers=num_threads) as executor:
        futures = []
        for i in range(0, matrix.shape[0], chunk_size):
            futures.append(executor.submit(calculate_chunk, i, i + chunk_size))

        for future in concurrent.futures.as_completed(futures):
            future.result()

    return result

def benchmark(matrix_size, num_threads_list=[1, 2, 4]):
    # Генерация квадратной матрицы
    matrix = np.random.rand(matrix_size, matrix_size)

    # Бенчмарк для обычного нахождения детерминанта
    start_time = time.time()
    det_normal = calculate_determinant(matrix)
    end_time = time.time()
    print(f"Размер матрицы {matrix_size}x{matrix_size}")
    print(f"Последовательный: Детерминант: {det_normal} Время выполнения: {end_time - start_time:.6f} секунд")

    # Бенчмарк для параллельного нахождения детерминанта
    for num_threads in num_threads_list:
        start_time = time.time()
        det_parallel = calculate_determinant_parallel(matrix, num_threads)
        end_time = time.time()
        print(f"Параллельный ({num_threads} поток): Детерминант: {det_parallel} Время выполнения: {end_time - start_time:.6f} секунд")

    print()
    
# Запуск бенчмарков
benchmark(100)
benchmark(300)
benchmark(500)