Protocole Diretta

[zaurux]

Pour revenir à Diretta et à sa mise en oeuvre avec désormais le DDS, je n'ai toujours pas (vraiment) saisi les objectifs à atteindre pour réduire au minimum le jitter en accordant host et target.
ex : est-ce qu'il vaut mieux un ou plusieurs paquets par cycle ? Comment gérer la fréquence de transfert (Transfer cycle) ..
Au final comment optimiser le fichier "setting.inf" ?
... en fonction de ses usages (ex pour moi : alimentation de la target en DSD 1028 et donc ethernet à 100Mb/s (MTU 16114 et 16112x1ppc)

Je vous mets en copie le script d'analyse log fait en python via IA .. fiable (??).
Il faut renseigner le path des log :

Code :

LOG_FILES = [

"149_2x1.log",
"149_3x1.log",
"149_2x2.log"

]

Script "diretta_info_rcv_analysis.py" :

Code :

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
Diretta ASIO 'info rcv' Log Analyzer
-----------------------------------
Analyse jitter / stabilité pour Diretta (v1 / v2 / v3)

Compatible Windows / Linux
Requis : python >= 3.8
Libs : pandas, matplotlib
"""

import re
import sys
from pathlib import Path
import pandas as pd
import matplotlib.pyplot as plt

# =========================
# CONFIGURATION
# =========================

LOG_FILES = [

"149_2x1.log",
"149_3x1.log",
"149_2x2.log"

]

OUTPUT_DIR = "diretta_analysis"
JITTER_THRESHOLD = 0.002  # seuil v3 jugé critique

# =========================
# EXTRACTION
# =========================

def extract_info_rcv(path: Path) -> pd.DataFrame:
    pattern = re.compile(
        r"info rcv\s+\d+\s+([+-]?\d+\.\d+)\s+([+-]?\d+\.\d+)\s+([+-]?\d+\.\d+)"
    )
    rows = []
    with path.open(encoding="utf-8", errors="ignore") as f:
        for line in f:
            m = pattern.search(line)
            if m:
                rows.append([float(m.group(1)),
                            float(m.group(2)),
                            float(m.group(3))])
    return pd.DataFrame(rows, columns=["v1", "v2", "v3"])


# =========================
# ANALYSE
# =========================

def analyze(df: pd.DataFrame) -> dict:
    return {
        "samples": len(df),
        "v3_rms": (df["v3"]**2).mean() ** 0.5,
        "v3_peak_to_peak": df["v3"].max() - df["v3"].min(),
        "v3_std": df["v3"].std(),
        "unstable_events_%": 100.0 * (df["v3"].abs() > JITTER_THRESHOLD).sum() / len(df),
    }


# =========================
# GRAPHIQUES
# =========================

def plot_time_series(dfs):
    plt.figure(figsize=(14, 5))
    for name, df in dfs.items():
        plt.plot(df["v3"].values, label=name)
    plt.title("Diretta – v3 (jitter) dans le temps")
    plt.xlabel("Index")
    plt.ylabel("v3")
    plt.legend()
    plt.tight_layout()
    plt.show()


def plot_histograms(dfs):
    plt.figure(figsize=(14, 5))
    for name, df in dfs.items():
        plt.hist(df["v3"], bins=60, alpha=0.5, label=name)
    plt.title("Distribution du jitter (v3)")
    plt.xlabel("v3")
    plt.ylabel("Occurrences")
    plt.legend()
    plt.tight_layout()
    plt.show()


def plot_boxplots(dfs):
    plt.figure(figsize=(12, 5))
    plt.boxplot([df["v3"] for df in dfs.values()],
                tick_labels=list(dfs.keys()),
                showfliers=True)
    plt.title("Comparaison du jitter (v3) – Boxplot")
    plt.ylabel("v3")
    plt.tight_layout()
    plt.show()


# =========================
# MAIN
# =========================

def main():
    out = Path(OUTPUT_DIR)
    out.mkdir(exist_ok=True)

    dfs = {}
    stats = []

    for log in LOG_FILES:
        path = Path(log)
        if not path.exists():
            print(f"[!] Fichier absent : {log}")
            continue

        df = extract_info_rcv(path)
        dfs[log] = df

        s = analyze(df)
        s["log"] = log
        stats.append(s)

    # Résumé chiffré
    summary = pd.DataFrame(stats).set_index("log")
    print("\n=== Résumé jitter Diretta (v3) ===\n")
    print(summary.round(6))

    # Graphes
    plot_time_series(dfs)
    plot_histograms(dfs)
    plot_boxplots(dfs)


if __name__ == "__main__":
    main()