import json
import time
import asyncio
import sys
from pathlib import Path
# root_dir = Path(__file__).parent.parent.parent 
# print(root_dir) 
# sys.path.append(str(root_dir))  
from typing import Dict, Optional, Any
from .time_statistics import track_execution_time
from foundation.base.config import config_handler
from foundation.logger.loggering import server_logger
from foundation.base.redis_connection import RedisConnectionFactory
# 缓存数据有效期 默认 3 分钟
CACHE_DATA_EXPIRED_TIME = 3 * 60


async def set_redis_result_cache_data(data_type: str , trace_id: str, value: str):
    """
      设置redis结果缓存数据
        @param data_type: 数据类型，基本信息 cattle_info、体温信息 cattle_temperature 、步数信息 cattle_walk
        @param trace_id: 链路跟踪ID
        @param value: 缓存数据
    """
    expired_time = config_handler.get("api", "CACHE_DATA_EXPIRED_TIME" , CACHE_DATA_EXPIRED_TIME)
    key = f"{trace_id}:{data_type}"
     # 直接获取 RedisStore
    redis_store = await RedisConnectionFactory.get_redis_store()
    await redis_store.set(key, value , ex=expired_time) 

async def get_redis_result_cache_data(data_type: str , trace_id: str):
    """
      获取redis结果缓存数据
        @param data_type: 数据类型，基本信息 cattle_info、体温信息 cattle_temperature 、步数信息 cattle_walk
        @param trace_id: 链路跟踪ID
    """
    key = f"{trace_id}:{data_type}"
     # 直接获取 RedisStore
    redis_store = await RedisConnectionFactory.get_redis_store()
    value = await redis_store.get(key) 
    value = value.decode('utf-8')
    return value


async def get_redis_result_cache_data_and_delete_key(data_type: str , trace_id: str):
    """
      获取redis结果缓存数据
        @param data_type: 数据类型，基本信息 cattle_info、体温信息 cattle_temperature 、步数信息 cattle_walk
        @param trace_id: 链路跟踪ID
    """
    key = f"{trace_id}:{data_type}"
     # 直接获取 RedisStore
    redis_store = await RedisConnectionFactory.get_redis_store()
    value = await redis_store.get(key) 
    server_logger.info(f"获取redis结果缓存数据: {key}-{value}")
    if value is None:
        return None
    # 第一步：转成字符串（decode）
    json_str = value.decode('utf-8')
    # 第二步：解析 JSON
    data = json.loads(json_str)
    # 删除key
    #await redis_store.delete(key)
    return data


@track_execution_time
async def _store_file_chunked(file_id: str, file_content: bytes, chunk_size: int = 1024*1024, expire_seconds: int = 3600) -> bool:
    """
    分块存储大文件内容（内部方法）
    """
    try:
        redis_store = await RedisConnectionFactory.get_redis_store()
        file_size = len(file_content)

        server_logger.info(f"开始分块存储文件: {file_id}, 大小: {file_size/1024/1024:.2f}MB, 分块大小: {chunk_size/1024/1024:.2f}MB")

        # 计算分块数量
        chunk_count = (file_size + chunk_size - 1) // chunk_size

        # 创建分块索引信息
        chunk_index = {
            'file_id': file_id,
            'file_size': file_size,
            'chunk_size': chunk_size,
            'chunk_count': chunk_count,
            'created_at': int(time.time())
        }

        # 存储分块索引
        await redis_store.setex(f"chunks:{file_id}", expire_seconds, json.dumps(chunk_index))

        # 分块存储文件内容
        tasks = []
        for i in range(chunk_count):
            start = i * chunk_size
            end = min(start + chunk_size, file_size)
            chunk_data = file_content[start:end]
            chunk_key = f"chunk:{file_id}:{i}"
            task = redis_store.setex(chunk_key, expire_seconds, chunk_data)
            tasks.append(task)

        # 并行执行所有分块存储
        await asyncio.gather(*tasks)

        server_logger.info(f"文件分块存储完成: {file_id}, {chunk_count}个块")
        return True

    except Exception as e:
        server_logger.error(f"分块存储文件失败: {file_id}, {str(e)}")
        return False


async def _get_file_chunked(file_id: str) -> bytes:
    """
    获取大文件内容（从分块中组装）（内部方法）
    """
    try:
        redis_store = await RedisConnectionFactory.get_redis_store()

        # 获取分块索引
        chunk_index_json = await redis_store.get(f"chunks:{file_id}")
        if not chunk_index_json:
            server_logger.warning(f"文件分块索引不存在: {file_id}")
            return None

        chunk_index = json.loads(chunk_index_json.decode('utf-8'))
        chunk_count = chunk_index['chunk_count']

        # 并行获取所有分块
        tasks = []
        for i in range(chunk_count):
            chunk_key = f"chunk:{file_id}:{i}"
            task = redis_store.get(chunk_key)
            tasks.append(task)

        # 并行执行获取
        chunks = await asyncio.gather(*tasks)

        # 组装文件内容
        file_content = b''.join(chunks)
        return file_content

    except Exception as e:
        server_logger.error(f"获取分块文件失败: {file_id}, {str(e)}")
        return None


async def _delete_file_chunks(file_id: str) -> bool:
    """
    删除大文件分块（内部方法）
    """
    try:
        redis_store = await RedisConnectionFactory.get_redis_store()

        # 获取分块索引
        chunk_index_json = await redis_store.get(f"chunks:{file_id}")
        if not chunk_index_json:
            return True  # 可能已经删除了

        chunk_index = json.loads(chunk_index_json.decode('utf-8'))
        chunk_count = chunk_index['chunk_count']

        # 构造要删除的所有键
        keys_to_delete = [f"chunks:{file_id}"]
        keys_to_delete.extend([f"chunk:{file_id}:{i}" for i in range(chunk_count)])

        # 批量删除
        await redis_store.delete(*keys_to_delete)
        return True

    except Exception as e:
        server_logger.error(f"删除文件分块失败: {file_id}, {str(e)}")
        return False


@track_execution_time
async def store_file_info(file_id: str, file_info: Dict[str, Any], expire_seconds: int = 3600) -> bool:
    """
    存储文件信息（自动优化：小文件直接存储，大文件分块存储）

    Args:
        file_id: 文件ID
        file_info: 文件信息字典
        expire_seconds: 过期时间（秒），默认1小时

    Returns:
        bool: 存储是否成功
    """
    # 直接存储开关，True表示使用直接存储，False表示使用分块存储
    direct_storage = True  
    try:
        redis_store = await RedisConnectionFactory.get_redis_store()

        # 检查是否已存在，避免重复存储
        existing_meta = await redis_store.get(f"meta:{file_id}")
        if existing_meta:
            server_logger.info(f"文件信息已存在，跳过存储: {file_id}")
            return True

        # 提取文件内容
        file_content = file_info.get('file_content')

        if file_content:
            file_size = len(file_content)
            chunk_threshold = 50 * 1024 * 1024  # 50MB阈值

            # 根据文件大小和强制参数选择存储策略
            if direct_storage or file_size <= chunk_threshold:
                storage_method = "直接存储" if direct_storage else "直接存储"
                server_logger.info(f"使用{storage_method}策略: {file_id}, {file_size/1024/1024:.2f}MB")

                # 直接存储
                metadata = {k: v for k, v in file_info.items() if k != 'file_content'}
                metadata['storage_type'] = 'direct_test' if direct_storage else 'direct'
                metadata['file_size'] = file_size

                # 并行执行元数据和内容存储以提高性能
                tasks = [
                    redis_store.setex(f"meta:{file_id}", expire_seconds, json.dumps(metadata)),
                    redis_store.setex(f"content:{file_id}", expire_seconds, file_content)
                ]
                await asyncio.gather(*tasks)

            else:
                server_logger.info(f"使用分块存储策略: {file_id}, {file_size/1024/1024:.2f}MB > 50MB")

                # 分块存储文件内容
                chunk_success = await _store_file_chunked(file_id, file_content, expire_seconds=expire_seconds)
                if not chunk_success:
                    return False

                # 存储元数据（不含文件内容）
                metadata = {k: v for k, v in file_info.items() if k != 'file_content'}
                metadata['storage_type'] = 'chunked'
                metadata['file_size'] = file_size

                await redis_store.setex(f"meta:{file_id}", expire_seconds, json.dumps(metadata))
        else:
            # 没有文件内容，只存元数据
            metadata = file_info.copy()
            metadata['storage_type'] = 'metadata_only'
            await redis_store.setex(f"meta:{file_id}", expire_seconds, json.dumps(metadata))

        server_logger.info(f"文件信息已存储到Redis: {file_id}")
        return True

    except Exception as e:
        server_logger.error(f"存储文件信息到Redis失败: {str(e)}")
        return False

@track_execution_time
async def get_file_info(file_id: str, include_content: bool = True) -> Optional[Dict[str, Any]]:
    """
    根据file_id获取文件信息（自动适配分块和直接存储）

    Args:
        file_id: 文件ID
        include_content: 是否包含文件内容（默认True），可选False以提高效率

    Returns:
        Dict: 文件信息字典，如果不存在返回None
    """
    try:
        redis_store = await RedisConnectionFactory.get_redis_store()

        # 获取元数据
        meta_key = f"meta:{file_id}"
        meta_bytes = await redis_store.get(meta_key)

        if not meta_bytes:
            server_logger.warning(f"文件元数据不存在: {meta_key}")
            return None

        # 解析元数据
        file_info = json.loads(meta_bytes.decode('utf-8'))
        storage_type = file_info.get('storage_type', 'direct')

        # 根据存储类型获取文件内容
        if include_content and 'file_size' in file_info:
            if storage_type == 'chunked':
                # 从分块中获取文件内容
                file_content = await _get_file_chunked(file_id)
                if file_content:
                    file_info['file_content'] = file_content
                else:
                    server_logger.warning(f"分块文件内容获取失败: {file_id}")
            elif storage_type == 'direct':
                # 直接获取文件内容
                content_key = f"content:{file_id}"
                file_content = await redis_store.get(content_key)
                if file_content:
                    file_info['file_content'] = file_content
                else:
                    server_logger.warning(f"文件内容不存在: {content_key}")

        server_logger.info(f"从Redis获取到文件信息: {meta_key}, 存储类型: {storage_type}")
        return file_info

    except json.JSONDecodeError as e:
        server_logger.error(f"解析文件元数据JSON失败: {str(e)}")
        return None
    except Exception as e:
        server_logger.error(f"获取文件信息失败: {str(e)}")
        return None

@track_execution_time
async def delete_file_info(file_id: str) -> bool:
    """
    删除文件信息（自动适配分块和直接存储）

    Args:
        file_id: 文件ID

    Returns:
        bool: 删除是否成功
    """
    try:
        redis_store = await RedisConnectionFactory.get_redis_store()

        # 获取元数据以确定存储类型
        meta_key = f"meta:{file_id}"
        meta_bytes = await redis_store.get(meta_key)

        if not meta_bytes:
            server_logger.warning(f"文件元数据不存在: {meta_key}")
            return True  # 可能已经删除了

        # 解析元数据
        file_info = json.loads(meta_bytes.decode('utf-8'))
        storage_type = file_info.get('storage_type', 'direct')

        # 根据存储类型删除相应的内容
        deleted_count = 0

        # 删除元数据
        deleted_count += await redis_store.delete(meta_key)

        if storage_type == 'chunked':
            # 删除分块内容
            chunk_success = await _delete_file_chunks(file_id)
            if chunk_success:
                server_logger.info(f"已删除分块文件内容: {file_id}")
        elif storage_type == 'direct':
            # 删除直接存储的内容
            content_key = f"content:{file_id}"
            deleted_count += await redis_store.delete(content_key)

        if deleted_count > 0:
            server_logger.info(f"已删除文件信息: {file_id}, {deleted_count}个键")
            return True
        else:
            server_logger.warning(f"Redis缓存不存在，无法删除: {file_id}")
            return False

    except json.JSONDecodeError as e:
        server_logger.error(f"解析文件元数据JSON失败: {str(e)}")
        return False
    except Exception as e:
        server_logger.error(f"删除文件信息失败: {str(e)}")
        return False

#asyncio.run(delete_file_info('e385049cde7d21a48c7de216182f0f23'))