duxingchen/ZDXX
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

refactor: 抽出统一入库管道，合并定时与手动两条重复路径

Browse Source 
问题：app.py:auto_monitor_job（定时）和 routes/api.py:run_monitor（手动）
各自维护了一份几乎相同但细节不一致的写入逻辑，同一条数据经不同入口落库后
latest_time / source / offset / file_count 可能不同。

- 新增 services/time_utils.py：calculate_offset 下沉到无依赖模块，避免
  db_ingest 与 routes.api 互相 import 形成循环。routes/api.py 里 re-export
  一次，保证 app.py 原有的 from routes.api import calculate_offset 不失效。
- 新增 services/db_ingest.py:ingest_device_data()，承载全部入库细节，只
  add/flush 不 commit，事务边界交给调用方。
- routes/api.py:run_monitor 瘦身为「触发爬虫 -> 调管道 -> 提交」。
- models.py:to_dict() 的 offset 改为读取时用 calculate_offset(latest_time)
  实时计算，不再读 offset 列。该列是写入时刻的快照，采集一停摆就整体失真
  （库里停在 2026-02-06，offset 却仍显示“当天”）。列保留但已废弃，
  不执行 ALTER TABLE DROP COLUMN。

入库语义（db_ingest）：
- 只有爬虫拿到真实业务时间才更新主表 latest_time，拿不到就保留上一个有效值
  （冻结），不再回退到 current_time。
- DeviceHistory 单独用 history_time：主表回答“数据到什么时候”，历史回答
  “什么时候采过”。
- 历史表 json_data 改存本次增量切片，不再复制主表那份越滚越大的累积 JSON。
- 主表 json_data 改为覆盖式更新以切断无限膨胀，但保留 APP_OWNED_KEYS
  （bound_iccid / is_whitelist）—— 这两个键由 /bind_device_card 和
  /toggle_whitelist 写入，按原方案直接覆盖会清空所有设备-流量卡绑定。
This commit is contained in:
DXC
2026-09-15 17:05:38 +08:00
parent 1412b0ed0b
commit d66e2826e1
4 changed files with 165 additions and 84 deletions
Download Patch File Download Diff File Expand all files Collapse all files

7
2_1banben/models.py
View File

@ -1,6 +1,8 @@
# models.py
from datetime import datetime
from extensions import db
# services.time_utils 只依赖 datetime，不会与 extensions/models 形成循环导入
from services.time_utils import calculate_offset
class Device(db.Model):
@ -46,7 +48,10 @@ class Device(db.Model):
'is_maintaining': self.is_maintaining,
'is_hidden': self.is_hidden,
'is_whitelist': self.is_whitelist,
'offset': self.offset,
# 滞后天数在读取时实时计算，不读 self.offset。
# offset 列是写入时算好的"化石"，采集一旦停摆就会整体腐烂
# （例如库停在 2026-02-06，offset 却仍显示"当天"）。
'offset': calculate_offset(self.latest_time),
'file_count': self.file_count # ✅ 返回给前端
}

98
2_1banben/routes/api.py
View File

@ -15,6 +15,11 @@ try:
except ImportError:
execute_monitor_task = None
try:
from services.db_ingest import ingest_device_data
except ImportError:
ingest_device_data = None
try:
from services.iot_api import sync_iot_data_service
except ImportError:
@ -27,21 +32,11 @@ api_bp = Blueprint('api', __name__, url_prefix='/api')
# 0. 核心算法区：数据质量分析与辅助函数
# =========================================================
def calculate_offset(latest_time_str):
"""
计算时间滞后天数
用于前端展示设备数据是否过时
"""
if not latest_time_str or latest_time_str == "N/A":
return "从未同步"
try:
# 兼容处理 2026_01_13 和 2026-01-13 格式
clean = str(latest_time_str).split()[0].replace('_', '-')
target = datetime.strptime(clean, "%Y-%m-%d").date()
diff = (datetime.now().date() - target).days
return "当天" if diff == 0 else f"滞后 {diff} 天"
except:
return "时间解析失败"
# calculate_offset 已下沉到 services/time_utils.py。
# 原因：services.db_ingest 需要计算 offset，而本模块又要 import db_ingest，
# 留在本模块会形成循环导入。这里 re-export 一次，保证
# `from routes.api import calculate_offset`（app.py 在用）继续可用。
from services.time_utils import calculate_offset # noqa: E402
def check_data_quality(content_data, source_type, data_time_str=None):
@ -383,77 +378,14 @@ def run_monitor():
try:
# --- A. 执行爬虫并入库 ---
if execute_monitor_task:
# 入库细节统一走 services.db_ingest，与定时任务 auto_monitor_job 保持一致，
# 避免同一条数据经手动/自动两个入口落库后字段不一致。
if execute_monitor_task and ingest_device_data:
task_result = execute_monitor_task()
if task_result:
scraped_list = task_result.get('device_list', [])
current_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
count_crawler = 0
for item in scraped_list:
d_name = item.get('name')
if not d_name: continue
d_raw = item.get('raw_json', {})
source = item.get('source', '')
target_time = item.get('target_time')
if '106' in str(source):
try:
path_str = d_raw.get('path', '')
match = re.search(r'/Data/(\d{4}_\d{2}_\d{2})/\w+_(\d{2}_\d{2}_\d{2})\.csv', path_str)
if match:
date_part = match.group(1).replace('_', '-')
time_part = match.group(2).replace('_', ':')
target_time = f"{date_part} {time_part}"
except:
pass
device = Device.query.filter_by(name=d_name).first()
if not device:
device = Device(name=d_name, source=source, install_site="")
db.session.add(device)
db.session.flush()
if device.source == 'iot_card':
device.source = source
device.status = item.get('status')
device.current_value = item.get('value')
device.latest_time = target_time
device.check_time = current_time
# ✅ [核心修改] 获取爬虫返回的文件数量并保存
f_count = item.get('num_files', 0)
device.file_count = f_count
old_json = {}
try:
if device.json_data:
old_json = json.loads(device.json_data)
except:
old_json = {}
new_json = d_raw if isinstance(d_raw, dict) else item.get('raw_json', {})
if isinstance(new_json, dict):
old_json.update(new_json)
device.json_data = json.dumps(old_json, ensure_ascii=False)
device.offset = calculate_offset(device.latest_time)
# ✅ [核心修改] 写入历史记录时包含 file_count
new_history = DeviceHistory(
device_id=device.id,
status=item.get('status'),
result_data=item.get('value'),
data_time=target_time,
json_data=device.json_data,
file_count=f_count # 确保历史数据也记录文件数
)
db.session.add(new_history)
count_crawler += 1
msg_list.append(f"爬虫更新: {count_crawler}")
updated, _ = ingest_device_data(scraped_list)
msg_list.append(f"爬虫更新: {updated}")
else:
msg_list.append("爬虫无数据")

119
2_1banben/services/db_ingest.py Normal file
View File

@ -0,0 +1,119 @@
# services/db_ingest.py
"""
统一的设备数据入库管道。
此前 app.py:auto_monitor_job（定时任务）和 routes/api.py:run_monitor（手动触发）
各自维护了一份几乎相同但细节不一致的写入逻辑，导致同一条数据经不同入口落库后
latest_time / offset / source / file_count 可能不同。这里合并为一份。
本函数只负责 add/flush，不 commit —— 事务边界由调用方掌握。
"""
import json
from datetime import datetime
from extensions import db
from models import Device, DeviceHistory
# 由本应用接口写入 Device.json_data、而非爬虫返回的键，覆盖时必须保留：
# bound_iccid —— routes/api.py:/bind_device_card 写入的设备-流量卡手工绑定
# is_whitelist —— routes/api.py:/toggle_whitelist 写入的白名单标记
APP_OWNED_KEYS = ('bound_iccid', 'is_whitelist')
def ingest_device_data(scraped_list):
"""
把爬虫返回的设备列表写入 Device（快照）和 DeviceHistory（历史）。
返回 (设备更新数, 历史追加数)。
"""
if not scraped_list:
return 0, 0
current_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
stats = {'updated': 0, 'history': 0}
for item in scraped_list:
d_name = item.get('name')
if not d_name:
continue
# --- 1. 数据解包 ---
raw_status = item.get('status', '未知')
raw_value = item.get('value', '')
f_count = item.get('num_files', 0)
source = item.get('source', '自动爬虫')
# target_time 由爬虫层解析，为真实记录时间；离线/异常/没抓到时为 None。
# 注意：这里绝不回退到 current_time —— 那会把"采集时刻"冒充成"数据时刻"。
target_date = item.get('target_time')
raw_json = item.get('raw_json', {})
# --- 2. 设备主表更新 ---
device = Device.query.filter_by(name=d_name).first()
if not device:
device = Device(name=d_name, source=source, install_site="")
db.session.add(device)
db.session.flush()
elif device.source == 'iot_card':
# IoT 卡与爬虫设备共用 devices 表且靠 name 关联，撞名时以爬虫来源为准
device.source = source
device.status = raw_status
device.current_value = raw_value
device.check_time = current_time
device.file_count = f_count
# ✅ [核心逻辑] 只有爬虫拿到了真实业务时间才更新设备主表的时间。
# 拿不到（离线/异常）就保留上一次的有效值 —— 即"冻结"。
# 这样一台断线多天的设备，offset 会停在"滞后 N 天"而不是被刷成"当天"。
if target_date:
device.latest_time = target_date
# 注意：不再写入 device.offset。
# 该列是"写入时刻"的快照，采集一停摆就整体失真，现改为 Device.to_dict()
# 读取时用 calculate_offset(latest_time) 实时计算。列保留但已废弃。
# --- 3. JSON 数据：覆盖为本次最新，切断无限膨胀 ---
# 旧写法 old_json.update(raw_json) 会让主表 JSON 只增不减、永久累积。
# 但 APP_OWNED_KEYS 里的键由本应用自己的接口写入（不属于爬虫数据），
# 必须原样保留 —— 否则每次采集都会把用户的设备-流量卡绑定清掉。
old_json = {}
if device.json_data:
try:
old_json = json.loads(device.json_data)
except Exception:
pass
if isinstance(raw_json, dict) and raw_json:
new_json = dict(raw_json)
for key in APP_OWNED_KEYS:
if old_json.get(key) is not None:
new_json[key] = old_json[key]
device.json_data = json.dumps(new_json, ensure_ascii=False)
# raw_json 为空（离线/异常）时保持原有 json_data 不变，避免单次爬虫失误清空状态
db.session.merge(device)
stats['updated'] += 1
# --- 4. 历史表写入 ---
# 历史记录的是"事件"，所以没有数据时间时用本次观测时间，
# 与主表的"冻结"策略不同：主表回答"数据到什么时候"，历史回答"什么时候采过"。
history_time = target_date if target_date else current_time
# [核心修复] 只存本次抓取的切片，不再复制主表那份越滚越大的累积 JSON。
# 旧写法 json_data=device.json_data 会让每一条历史都完整复制一遍全量数据，
# 历史表体积随采集次数线性膨胀。
incremental_json = json.dumps(raw_json, ensure_ascii=False) if raw_json else "{}"
history = DeviceHistory(
device_id=device.id,
status=raw_status,
result_data=raw_value,
data_time=history_time,
file_count=f_count,
json_data=incremental_json
)
db.session.add(history)
stats['history'] += 1
return stats['updated'], stats['history']

25
2_1banben/services/time_utils.py Normal file
View File

@ -0,0 +1,25 @@
# services/time_utils.py
"""
时间辅助函数。
刻意不依赖 flask / db / models，避免被 services.db_ingest 和 routes.api
互相引用时产生循环导入。
"""
from datetime import datetime
def calculate_offset(latest_time_str):
"""
计算时间滞后天数
用于前端展示设备数据是否过时
"""
if not latest_time_str or latest_time_str == "N/A":
return "从未同步"
try:
# 兼容处理 2026_01_13 和 2026-01-13 格式
clean = str(latest_time_str).split()[0].replace('_', '-')
target = datetime.strptime(clean, "%Y-%m-%d").date()
diff = (datetime.now().date() - target).days
return "当天" if diff == 0 else f"滞后 {diff} 天"
except:
return "时间解析失败"