"""Backfill `scene_performers.source_id` dla wierszy sprzed migracji 0026.

Wnioskowanie jest pewne tylko dla scen, które mają `scene_external_refs` z DOKŁADNIE
jednego źródła: skoro tylko ono kiedykolwiek dotknęło tę scenę, to cała jej obsada
stamtąd pochodzi. Takich scen jest 3,39 mln i pokrywają 4,15 mln przypisań, czyli ~96%
tabeli. Sceny wieloźródłowe (67 tys.) zostawiamy z NULL-em — tam nie da się powiedzieć,
które źródło przypisało którego performera, a zgadywanie zepsułoby cały sens kolumny.

Granularność jest na poziomie ŹRÓDŁA, nie pojedynczego tuba: wszystkie direct-scrapery
dzielą jeden rekord `sources` (`SCRAPER_SOURCE_NAME`). To wystarcza do pytania, które
było nie do zadania wcześniej: „czy tę obsadę potwierdził kanon, czy dokleił ją
tube-search".

Wsadowo i z osobną transakcją na paczkę — pojedynczy UPDATE na 4 mln wierszy trzymałby
locki na `scene_performers` przez cały czas i zablokował ingest (zdarzyło się przy
migracji 0026: porzucone zapytanie analityczne wstrzymało ALTER TABLE, a za nim ustawiła
się kolejka).

Uruchomienie (kontener worker):
  python -m scripts.backfill_scene_performer_source            # dry-run
  python -m scripts.backfill_scene_performer_source --yes      # wykonaj
"""
from __future__ import annotations

import argparse
import logging

from sqlalchemy import text

from app.db import session_scope

log = logging.getLogger(__name__)

_BATCH = 50_000

_COUNT_SQL = """
SELECT count(*) FROM scene_performers sp
WHERE sp.source_id IS NULL
  AND (SELECT count(DISTINCT r.source_id) FROM scene_external_refs r
       WHERE r.scene_id = sp.scene_id) = 1
"""

# ctid-based batching: bez sztucznego klucza na (scene_id, performer_id) to najtańszy
# sposób na „weź N dowolnych jeszcze niewypełnionych".
_UPDATE_SQL = """
UPDATE scene_performers sp
SET source_id = (
      SELECT (array_agg(DISTINCT r.source_id))[1]
      FROM scene_external_refs r WHERE r.scene_id = sp.scene_id
    )
WHERE sp.ctid IN (
  SELECT sp2.ctid FROM scene_performers sp2
  WHERE sp2.source_id IS NULL
    AND (SELECT count(DISTINCT r.source_id) FROM scene_external_refs r
         WHERE r.scene_id = sp2.scene_id) = 1
  LIMIT :batch
)
"""


def main() -> None:
    logging.basicConfig(level=logging.INFO, format="%(message)s")
    ap = argparse.ArgumentParser(description=__doc__)
    ap.add_argument("--yes", action="store_true", help="wykonaj (bez tego dry-run)")
    ap.add_argument("--batch", type=int, default=_BATCH)
    args = ap.parse_args()

    with session_scope() as s:
        total = int(s.execute(text(_COUNT_SQL)).scalar_one())
    log.info("do wypełnienia: %d przypisań (sceny jednoźródłowe)", total)
    if not args.yes:
        log.info("(dry-run — uruchom z --yes)")
        return

    done = 0
    while True:
        with session_scope() as s:
            n = int(s.execute(text(_UPDATE_SQL), {"batch": args.batch}).rowcount or 0)
            s.commit()
        if n == 0:
            break
        done += n
        log.info("  wypełnione %d / %d", done, total)
    log.info("GOTOWE: %d wierszy", done)


if __name__ == "__main__":
    main()