# Benchmarks en kwaliteitsrapportage (VR-116)

## Doel

VR-116 levert een reproduceerbaar benchmarkpakket voor:

- parservelddekking;
- deduplicatie-kwaliteit (precision/recall, false merges/missed merges);
- rankingstabiliteit (top-N churn, onbekende-data ratio);
- performance (p50/p95, querycount en memory peak).

De CLI werkt zonder live netwerk met de synthetische fixtures uit `fixtures/benchmark/`.

## Datasets

`fixtures/benchmark/quality_benchmark.json`

- bevat parsercases met verwachte parserkey/version en verwachte minima;
- bevat dedupe seeds en querycases met verwachte matchlabels;
- bevat geen echte broninhoud of persoonlijke gegevens.

## CLI

```bash
uv run python scripts/benchmark.py --quick
uv run python scripts/benchmark.py --jobs 25000 --top-n 25
uv run python scripts/benchmark.py --jobs 25000 --json --top-n 25
uv run python scripts/benchmark.py --skip-performance --quick
```

## Rapportformat

De JSON-rapportage bevat minimaal:

- `parser`: dekking en onbekend-aandeel;
- `dedupe`: precision, recall, false merges, missed merges;
- `ranking`: top-N churn en unknown-data ratio;
- `performance`: p50, p95, querycount, peak memory, totale duur;
- `nfr_007`: gegraveerde metingstatus/passing van p95 < 1000 ms.

## Drempels en interpretatie

- Parser: standaard doel `coverage_ratio >= 0.90`.
- Dedupe: standaard doel `precision >= 0.90` en `recall >= 0.90`.
- Ranking: standaard doel `churn <= 0.35`.
- NFR-007: enkel als `nfr_007.measured == true` wordt de p95-check als afgewerkt beoordeeld.

## Uitvoeringsmodus

- `--quick`: voert parser/dedupe/ranking uit met 250 ingestaste jobs.
- standaardmodus: voert ook een performancepass uit op 25.000 jobs (mits runtime toelaatbaar).
- `--skip-performance`: nuttig voor CI/quickvalidatie zonder de lange performance-run.

## Afwijkingen

Wanneer p95 of dedupe niet voldoet, rapporteert het script een status `failed` met detaildata per case.
Die output is bedoeld als regressiebasis voor foutanalyse en threshold-sturing.