"""数据集快照指纹：`experiment.data_version` 的真实取值来源。

归档的用途是「往复查看 / 复现」，因此除了代码版本（code_version）还必须记录
**当时的数据口径**：数据同步到哪一天、各表规模多大。此前该字段从未被写入
（永远 NULL），本模块补上。

诚实性与成本（AGENT.md §7 不静默 / §24 不假装支持）：
- 交易日 `MAX(trade_date)` 走索引，实测 ~0.2ms，**真实值**；
- 大表（stock_daily / adjust_factor / daily_basic，各 800 万行量级）的全表
  `COUNT(*)` 实测单次 ~1.2s，三次合计 ~3.6s —— 不允许出现在请求路径上；
  故 MySQL 下改用 `information_schema.TABLES.TABLE_ROWS`（单次查询实测 ~0.5ms），
  它是 InnoDB 统计缓存的**近似值**（实测 stock_daily 7688126 vs 真实 COUNT(*)
  8052698，偏差 ~4.6%），因此字符串里用 `≈` 明确标注为近似，绝不冒充精确计数。
- 非 MySQL 方言（测试用的 SQLite 等）数据量小，直接 `COUNT(*)` 得到精确值，
  不带 `≈` 标记；
- 任何一段取不到（连接失败 / 表不存在 / 权限不足）都**降级**：要么丢弃该段，
  要么整体返回 `unavailable`，绝不编造数字。

字符串格式（≤40 字符 —— experiment.data_version 列是 varchar(40)，本文件不新增
迁移，故必须塞得下；段超长时从右往左丢弃低优先级段，再退化到 `d<date>`）：

    d<YYYYMMDD>   stock_daily 的最大交易日（`d-` 表示该表无数据 / 取不到交易日）
    n<count>      stock_daily 行数
    a<count>      adjust_factor 行数
    b<count>      daily_basic 行数

行数段写法：`≈<N>k` = MySQL 近似值（k = 千行，四舍五入）；`<N>` = 精确值。
示例：`d20260904;n≈8053k;a≈8189k;b≈7718k`
"""

from __future__ import annotations

import logging

from sqlalchemy import func, select, text
from sqlalchemy.orm import Session

from app.infrastructure.persistence.sqlalchemy.models.market import (
    AdjustFactorModel,
    DailyBasicModel,
    StockDailyModel,
)

logger = logging.getLogger(__name__)

# experiment.data_version 列宽（varchar(40)，见 models/jobs.py + 既有迁移）
DATA_VERSION_MAX_LEN = 40

# 段定义：(段名, model)，顺序即优先级（越靠前越重要）
_TABLES: tuple[tuple[str, type], ...] = (
    ("n", StockDailyModel),
    ("a", AdjustFactorModel),
    ("b", DailyBasicModel),
)

_FALLBACK = "unavailable"


def _fmt_rows(rows: int | None, *, approx: bool) -> str | None:
    """行数段：近似值用「≈Nk」（千行），精确值用原样数字。"""
    if rows is None:
        return None
    if not approx:
        return str(rows)
    return f"≈{round(rows / 1000)}k"


def _latest_trade_date(session: Session) -> str:
    """stock_daily 最大交易日 → `YYYYMMDD`；无数据 / 取不到 → `-`。"""
    try:
        day = session.execute(select(func.max(StockDailyModel.trade_date))).scalar()
    except Exception as exc:  # noqa: BLE001 —— 指纹取不到必须降级，不影响归档主体
        logger.warning("data_version: MAX(trade_date) 取不到：%s: %s", type(exc).__name__, exc)
        return "-"
    return day.strftime("%Y%m%d") if day is not None else "-"


def _approx_rows_mysql(session: Session) -> dict[str, int]:
    """MySQL：一次 information_schema 查询拿全部表的近似行数（实测 ~0.5ms）。"""
    try:
        rows = session.execute(
            text(
                "SELECT TABLE_NAME, TABLE_ROWS FROM information_schema.TABLES "
                "WHERE TABLE_SCHEMA = DATABASE() AND TABLE_NAME IN :names"
            ).bindparams(names=tuple(m.__tablename__ for _, m in _TABLES))
        ).all()
    except Exception as exc:  # noqa: BLE001
        logger.warning("data_version: information_schema 查询失败：%s: %s", type(exc).__name__, exc)
        return {}
    return {str(name): int(n) for name, n in rows if n is not None}


def _exact_rows(session: Session, model: type) -> int | None:
    """其它方言（SQLite 等，数据量小）：精确 COUNT(*)。"""
    try:
        return int(session.execute(select(func.count()).select_from(model)).scalar() or 0)
    except Exception as exc:  # noqa: BLE001
        logger.warning("data_version: COUNT(*) 失败：%s: %s", type(exc).__name__, exc)
        return None


def compute_data_version(session: Session) -> str:
    """计算数据集快照指纹（格式与取舍见模块 docstring）。失败降级为 `unavailable`。"""
    try:
        dialect = session.get_bind().dialect.name
    except Exception:  # noqa: BLE001
        dialect = ""

    approx = dialect == "mysql"
    approx_rows = _approx_rows_mysql(session) if approx else {}

    # 首段恒为交易日段：`d-` 本身也是真实信息（表为空 / 取不到交易日），保留
    segments: list[str] = [f"d{_latest_trade_date(session)}"]
    for name, model in _TABLES:
        rows = (
            approx_rows.get(model.__tablename__) if approx else _exact_rows(session, model)
        )
        seg = _fmt_rows(rows, approx=approx)
        if seg is not None:
            segments.append(f"{name}{seg}")

    # 列宽护栏：超 40 字符时从右往左丢弃低优先级段（保留的段仍是真实值，绝不截断数字）
    while len(segments) > 1 and len(";".join(segments)) > DATA_VERSION_MAX_LEN:
        segments.pop()

    if len(segments) == 1 and segments[0] == "d-":
        # 三张表连行数都读不到、交易日也没有：如实标记「不可用」，不编造
        return _FALLBACK
    return ";".join(segments)