#include <eqpalg/data_handler/rs_mgr.h>

// 预定义 RunningState的最大size
// #define RS_MAX_SIZE 100000

namespace data_handler {

RsMgr::RsMgr(std::string rule_id_, size_t dims)
    : rule_id_(rule_id_),
      dims_(dims),
      logger_(std::make_unique<LOG>("RsMgr[" + rule_id_ + "]")) {
  running_stats_.resize(dims);
}

/**
 * @brief 载入统计信息
 * @return true  获取数据特征成功
 * @return false 获取数据特征成功
 */

bool RsMgr::load() {
  is_first_sampling_ = false;
  if (make_sure_stat_data_exist()) {
    for (size_t i = 0; i < dims_; i++) {
      auto tmp_rs_optional = get_rs(rule_id_, i, get_total_rs_path);
      if (!tmp_rs_optional.has_value()) {
        this->is_first_sampling_ = true;  ///<如果本地文件不存在，则为第一次采样
        break;
      } else {
        running_stats_[i] = tmp_rs_optional.value();  ///< 取特征值
      }
    }
  } else {
    logger_->Debug() << "数据特征目录（/users/dsc/stat_data）不存在且创建失败"
                     << std::endl;
    return false;
  }
  return (!is_first_sampling_);
}

int RsMgr::first_sampling(const SampleWindow& data_load) {
  if (data_load.empty()) {
    return -1;
  }
  for (const auto& x : data_load) {
    store(x);
  }
  this->commit();
  this->is_first_sampling_ = false;
  return 0;
}

bool RsMgr::is_first_sampling() { return this->is_first_sampling_; }

/**
 * @brief 得到统计信息，如果程序内没有载入，则会尝试载入
 * @return RunningStats
 */

RsMgr::RunningStats RsMgr::get_running_stats() { return this->running_stats_; }

/**
 * @brief 把统计信息存储在实例中
 * @param  value            My Param doc
 * @return true
 * @return false
 */

bool RsMgr::store(const SamplePoint& value) {
  for (size_t i = 0; i < value.size(); i++) {
    running_stats_[i].add(value.at(i));
  }
  return true;
}

/**
 * @brief 把统计信息写入到文件
 * @return true
 * @return false
 */

bool RsMgr::commit() {
  bool ret = true;
  for (size_t i = 0; i < dims_; i++) {
    try {
      // 保存总的历史信息
      {
        std::ofstream ofs(get_total_rs_path(rule_id_, i),
                          ios::binary | ios::trunc);
        dlib::serialize(this->running_stats_[i], ofs);
        ofs.close();
        ofs.clear();
      }

      // 保存本周的数据统计信息
      // {
      //   std::ofstream ofs(get_this_rs_path(rule_id_, i),
      //                     ios::binary | ios::trunc);
      //   dlib::serialize(this->weekly_running_stats_[i], ofs);
      //   ofs.close();
      //   ofs.clear();
      // }
    } catch (const std::exception& e) {
      ret = false;
      logger_->Error() << "运行统计存储异常:" << e.what() << std::endl;
    }
  }
  return ret;
}

// int RsMgr::weekly_organize_data() {
//   for (size_t i = 0; i < dims_; i++) {
//     rs_count_ = get_rs_count(rule_id_, i);
//     // 总统计量为3且为周末，则得到每周报告，之后删除老数据
//     if (this->rs_count_ == 3 &&
//         second_clock::local_time().date().day_of_week() == 7) {
//       auto data = this->normal_dist_shift_alarm();
//       // 移除老数据，使得总的统计量为2， 避免再次进入该分支
//       remove_old_rs(rule_id_, i);
//       // 把rs_count 设置为2
//       this->rs_count_--;
//       return data;
//     }
//     // 总统计量为2且为周一，则把上周数据归档
//     if (this->rs_count_ == 2 &&
//         second_clock::local_time().date().day_of_week() == 1) {
//       move_this_rs_to_old(rule_id_, i);
//       this->rs_count_++;
//     }
//   }
//   return 0;
// }

int RsMgr::normal_dist_shift_alarm() {
  mix_cc::json ss;
  // 得到每周劣化总结信息
  // bool alarmed = false;
  // ss["本周运行情况"] = get_running_stats_format(weekly_running_stats_);
  // ss["上周运行情况"] = get_running_stats_format(prev_rs_);
  // ss["总体运行情况"] = get_running_stats_format(running_stats_);
  // if (std::abs(this_rs_.skewness() - prev_rs_.skewness()) > 0.5) {
  //   alarmed = true;
  //   ss["偏度异常"].emplace_back(mix_cc::json(
  //       {{"原因", "数据峰值相对于上一周发生了明显的偏移"},
  //        {"偏差值", this_rs_.skewness() - prev_rs_.skewness()}}));
  // }
  // if (std::abs(this_rs_.skewness() - full_rs_.skewness()) > 0.5) {
  //   alarmed = true;
  //   ss["偏度异常"].emplace_back(mix_cc::json(
  //       {{"原因", "数据峰值相对于总体样本发生了明显的偏移"},
  //        {"偏差值", this_rs_.skewness() - full_rs_.skewness()}}));
  // }
  // if (std::abs(this_rs_.ex_kurtosis() - prev_rs_.ex_kurtosis()) > 1) {
  //   alarmed = true;
  //   ss["峰度异常"].emplace_back(mix_cc::json(
  //       {{"原因", "数据离散程度相对于上一周发生了明显的变化"},
  //        {"偏差值", this_rs_.ex_kurtosis() - prev_rs_.ex_kurtosis()}}));
  // }
  // if (std::abs(this_rs_.ex_kurtosis() - full_rs_.ex_kurtosis()) > 1) {
  //   alarmed = true;
  //   ss["峰度异常"].emplace_back(mix_cc::json(
  //       {{"原因", "数据离散程度相对于总体发生了明显的变化"},
  //        {"偏差值", this_rs_.ex_kurtosis() - full_rs_.ex_kurtosis()}}));
  // }
  // if (alarmed == false) {
  //   ss["运行总结"] = "设备运行平稳良好";
  // }
  // if (alarmed) {
  //   ss["运行总结"] = "设备运行可能出现劣化";
  // }
  return ss;
}
}  // namespace data_handler