import numpy as np
from datetime import datetime

class SOIPredictionService:
    """학습형 시계열 예측 및 피처 추출 엔진"""

    @staticmethod
    def get_historical_soi(cursor, project_id):
        """DB에서 프로젝트의 과거 SOI 히스토리를 시퀀스로 추출"""
        cursor.execute("""
            SELECT crawl_date, file_count, recent_log 
            FROM projects_history 
            WHERE project_id = %s 
            ORDER BY crawl_date ASC
        """, (project_id,))
        return cursor.fetchall()

    @staticmethod
    def extract_vitality_features(history):
        """딥러닝 학습을 위한 4대 핵심 피처 추출 (Feature Engineering)"""
        if len(history) < 2:
            return {"velocity": 0, "acceleration": 0, "consistency": 0.5, "density": 0.1}

        # 실제 데이터 구조에 맞게 보정
        counts = []
        for h in history:
            try:
                val = int(h['file_count']) if h['file_count'] is not None else 0
                counts.append(val)
            except:
                counts.append(0)

        # 1. 활동 속도 (Velocity)
        velocity = np.diff(counts).mean() if len(counts) > 1 else 0
        
        # 2. 활동 가속도 (Acceleration): 최근 활동이 빨라지는지 느려지는지
        acceleration = np.diff(np.diff(counts)).mean() if len(counts) > 2 else 0
        
        # 3. 로그 밀도 (Density): 전체 기간 대비 실제 로그 발생 비율
        logs = [h['recent_log'] for h in history if h['recent_log'] and h['recent_log'] != "데이터 없음"]
        density = len(logs) / len(history) if len(history) > 0 else 0
        
        # 4. 관리 일관성 (Consistency): 업데이트 간격의 표준편차 (낮을수록 좋음)
        # (현재 데이터는 일일 크롤링이므로 로그 텍스트 변화 시점을 기준으로 간격 계산 가능)
        
        return {
            "velocity": float(velocity),
            "acceleration": float(acceleration),
            "density": float(density),
            "sample_count": len(history)
        }

    @staticmethod
    def predict_future_soi(current_soi, history, days_ahead=14):
        """기존 점수와 시계열 피처를 결합하여 미래 점수 예측"""
        # 데이터가 너무 적으면 무조건 보수적 감쇄 (14일 기준 약 -2.1점)
        if not history or len(history) < 3: 
            return round(max(0, min(100, current_soi - (0.15 * days_ahead))), 1)
        
        features = SOIPredictionService.extract_vitality_features(history)
        current_val = float(current_soi)
        
        # [정밀 정체 분석]
        # 1. 파일 수 변화 확인 (최근 5개 샘플)
        recent_counts = [int(h['file_count'] or 0) for h in history[-5:]]
        is_hard_stagnant = len(set(recent_counts)) <= 1 # 파일 수 변동이 전혀 없음
        
        # 2. 최근 로그 상태 확인
        last_log = history[-1]['recent_log']
        is_no_activity = last_log is None or last_log == "데이터 없음" or "폴더자동삭제" in last_log

        # [모멘텀 산출 로직 개편]
        if is_hard_stagnant:
            # 파일 변화가 없다면 아무리 로그가 있어도 '유지 관리'일 뿐 '성장'이 아님
            # 오히려 시간이 갈수록 기술 부채와 데이터 노후화가 진행된다고 판단 (강력 패널티)
            momentum_factor = -2.5 if is_no_activity else -1.0
        else:
            # 실질적인 파일 수 변화(Velocity)가 있을 때만 긍정적 모멘텀 검토
            v_gain = features['velocity'] * 0.5
            d_gain = features['density'] * 0.8
            momentum_factor = v_gain + d_gain - 0.5 # 기본적으로 하향 압력 부여

        # 예측 로직: 현재값 + 모멘텀 - (시간에 따른 자연 부식)
        # 정체 시 momentum_factor가 -1.0~-2.5이므로 감쇄가 매우 빠름
        decay_constant = 0.08 
        predicted = current_val + momentum_factor - (decay_constant * days_ahead)
        
        # [최종 방어 로직]
        # 실질적 파일 증가(velocity > 0)가 포착되지 않았다면 예보는 현재값보다 클 수 없음
        if features['velocity'] <= 0 and predicted > current_val:
            predicted = current_val - 1.5 # 강제 하락
            
        # 사망 선고 (AVI가 이미 낮고 정체 중이면 0에 수렴하도록 가속)
        if current_val < 20 and is_hard_stagnant:
            predicted = max(0, predicted - 5.0)

        return round(max(0, min(100, predicted)), 1)