#!/usr/bin/env python3
"""
统计各种缓存的条目数和内存占用量

按 key 前缀分类统计，帮助了解不同缓存的使用情况

使用方法：

直接使用（默认数据库 0）：
python scripts/redis/check_cache_stats.py 

统计所有数据库：
python scripts/redis/check_cache_stats.py --all-db

统计指定数据库：
python scripts/redis/check_cache_stats.py --db 1

只统计以下三种前缀：
python scripts/redis/check_cache_stats.py --prefix trans embedding product

统计所有数据库的指定前缀：
python scripts/redis/check_cache_stats.py --all-db --prefix trans embedding




其他简单的统计方法（不依赖本脚本，直接使用redis-cli命令）：

# 查看所有 key 的前缀分布（快速但不准确）
redis-cli -h localhost -p 6479 -a 'BMfv5aI31kgHWtlx' --no-auth-warning --scan --pattern "*" | cut -d: -f1 | sort | uniq -c | sort -rn

# 统计特定前缀的数量
redis-cli -h localhost -p 6479 -a 'BMfv5aI31kgHWtlx' --no-auth-warning --scan --pattern "trans:*" | wc -l
redis-cli -h localhost -p 6479 -a 'BMfv5aI31kgHWtlx' --no-auth-warning --scan --pattern "embedding:*" | wc -l

# 查看内存统计 （ Redis MEMORY STATS ）
redis-cli -h localhost -p 6479 -a 'BMfv5aI31kgHWtlx' --no-auth-warning MEMORY STATS

"""

import redis
import os
import sys
from collections import defaultdict
from pathlib import Path
from datetime import datetime

# 添加项目路径（文件在 scripts/redis/ 目录下，需要向上三级到项目根目录）
project_root = Path(__file__).parent.parent.parent
sys.path.insert(0, str(project_root))

from config.env_config import REDIS_CONFIG

def get_redis_client(db=0):
    """获取 Redis 客户端"""
    return redis.Redis(
        host=REDIS_CONFIG.get('host', 'localhost'),
        port=REDIS_CONFIG.get('port', 6479),
        password=REDIS_CONFIG.get('password'),
        db=db,
        decode_responses=True,
        socket_timeout=10,
        socket_connect_timeout=10,
    )

def get_key_prefix(key):
    """提取 key 的前缀（第一个冒号之前的部分）"""
    if ':' in key:
        return key.split(':', 1)[0]
    return key

def format_bytes(bytes_size):
    """格式化字节数为可读格式"""
    for unit in ['B', 'KB', 'MB', 'GB', 'TB']:
        if bytes_size < 1024.0:
            return f"{bytes_size:.2f} {unit}"
        bytes_size /= 1024.0
    return f"{bytes_size:.2f} PB"

def get_key_memory_usage(client, key, use_real_memory=True):
    """
    获取单个 key 的内存占用量（字节）
    
    Args:
        client: Redis 客户端
        key: key 名称
        use_real_memory: 是否使用真实的 MEMORY USAGE 命令（True=真实，False=估算）
    
    Returns:
        内存占用量（字节）
    """
    try:
        if use_real_memory:
            # 使用 MEMORY USAGE 命令（Redis 4.0+）- 这是真实的内存占用
            try:
                memory = client.execute_command('MEMORY', 'USAGE', key)
                return memory if memory else 0
            except:
                # 如果 MEMORY USAGE 不可用，降级到估算方法
                pass
        
        # 估算方法（不够准确，但速度快）
        # 获取 key 和 value 的大小
        key_size = len(key.encode('utf-8'))
        
        # 获取 value
        value = client.get(key)
        if value:
            value_size = len(value.encode('utf-8'))
        else:
            # 尝试获取其他类型
            ttl = client.ttl(key)
            if ttl == -2:  # key 不存在
                return 0
            # 估算：key + 基础开销
            value_size = 0
        
        # Redis 内存开销估算（粗略）
        # key 对象开销: ~48 bytes
        # value 对象开销: ~24 bytes
        # 其他开销: ~100 bytes
        # 注意：这个估算不准确，特别是对于复杂数据结构（hash、set、zset等）
        overhead = 48 + 24 + 100
        return key_size + value_size + overhead
    except Exception as e:
        return 0

def scan_all_keys(client, pattern="*"):
    """扫描所有匹配的 key"""
    keys = []
    cursor = 0
    while True:
        cursor, batch = client.scan(cursor, match=pattern, count=1000)
        keys.extend(batch)
        if cursor == 0:
            break
    return keys

def analyze_cache_by_prefix(client, args=None, db_num=0):
    """按前缀分析缓存"""
    if args is None:
        class Args:
            real = False
            sample_size = 100
        args = Args()
    
    # 显示当前数据库
    if db_num > 0:
        print(f"\n{'='*60}")
        print(f"数据库 {db_num}")
        print(f"{'='*60}\n")
    print("=" * 60)
    print("扫描 Redis 中的所有 key...")
    print("=" * 60)
    
    try:
        # 扫描所有 key
        all_keys = scan_all_keys(client)
        total_keys = len(all_keys)
        
        print(f"总 key 数量: {total_keys:,}")
        print(f"开始分析...\n")
        
        # 按前缀分类
        prefix_stats = defaultdict(lambda: {
            'count': 0,
            'memory': 0,
            'keys': [],
            'sample_keys': []  # 采样一些 key 用于显示
        })
        
        # 统计每个前缀
        processed = 0
        for key in all_keys:
            prefix = get_key_prefix(key)
            prefix_stats[prefix]['count'] += 1
            prefix_stats[prefix]['keys'].append(key)
            
            # 采样前 5 个 key
            if len(prefix_stats[prefix]['sample_keys']) < 5:
                prefix_stats[prefix]['sample_keys'].append(key)
            
            processed += 1
            if processed % 1000 == 0:
                print(f"  已处理: {processed:,} / {total_keys:,} ({processed*100//total_keys}%)")
        
        print(f"  完成: {processed:,} / {total_keys:,}\n")
        
        # 计算每个前缀的内存占用量
        print("=" * 60)
        print("计算内存占用量...")
        print("=" * 60)
        print("注意：")
        print("  - 如果 key 数量 > 100，会采样前 100 个进行估算")
        print("  - 优先使用 Redis MEMORY USAGE 命令（真实值）")
        print("  - 如果 MEMORY USAGE 不可用，会使用估算方法（不准确）")
        print("  - 估算方法只计算 key+value 大小，不包括 Redis 内部数据结构开销")
        print()
        
        # 测试是否支持 MEMORY USAGE
        test_key = all_keys[0] if all_keys else None
        supports_memory_usage = False
        if test_key:
            try:
                client.execute_command('MEMORY', 'USAGE', test_key)
                supports_memory_usage = True
                print("✅ Redis 支持 MEMORY USAGE 命令，将使用真实内存值")
            except:
                print("⚠️  Redis 不支持 MEMORY USAGE 命令，将使用估算方法（可能不准确）")
        print()
        
        prefix_memory = {}
        for prefix, stats in prefix_stats.items():
            print(f"  计算 {prefix}:* 的内存...")
            total_memory = 0
            # 如果指定了 --real，且数量不太大，计算全部
            if args.real and stats['count'] <= 10000:
                sample_count = stats['count']
            else:
                sample_count = min(args.sample_size, stats['count'])  # 采样
            
            # 如果数量较少，全部计算；否则采样计算
            if stats['count'] <= 100:
                keys_to_check = stats['keys']
                is_sampled = False
            else:
                # 采样计算
                import random
                keys_to_check = random.sample(stats['keys'], sample_count)
                is_sampled = True
            
            for key in keys_to_check:
                memory = get_key_memory_usage(client, key, use_real_memory=supports_memory_usage)
                total_memory += memory
            
            # 如果是采样，估算总内存
            if is_sampled:
                avg_memory = total_memory / sample_count
                estimated_total = avg_memory * stats['count']
                prefix_memory[prefix] = {
                    'memory': estimated_total,
                    'is_estimated': True,
                    'is_sampled': True,
                    'sample_count': sample_count,
                    'uses_real_memory': supports_memory_usage
                }
            else:
                prefix_memory[prefix] = {
                    'memory': total_memory,
                    'is_estimated': False,
                    'is_sampled': False,
                    'sample_count': stats['count'],
                    'uses_real_memory': supports_memory_usage
                }
        
        # 显示统计结果
        print("\n" + "=" * 60)
        print("缓存统计结果（按前缀分类）")
        print("=" * 60)
        
        # 按内存使用量排序
        sorted_prefixes = sorted(
            prefix_stats.items(),
            key=lambda x: prefix_memory[x[0]]['memory'],
            reverse=True
        )
        
        total_memory_all = sum(pm['memory'] for pm in prefix_memory.values())
        
        print(f"{'前缀':<20} {'条目数':>12} {'内存占用量和计算方式':>50} {'占比':>10} {'说明'}")
        print("-" * 120)
        
        for prefix, stats in sorted_prefixes:
            memory_info = prefix_memory[prefix]
            memory = memory_info['memory']
            
            # 计算平均每条 key 的大小
            avg_memory_per_key = memory / stats['count'] if stats['count'] > 0 else 0
            avg_memory_str = format_bytes(avg_memory_per_key)
            
            # 标注内存计算方式和结果
            if memory_info['is_sampled']:
                if memory_info['uses_real_memory']:
                    calc_method = f"采样估算(采样{memory_info['sample_count']}个, 使用真实MEMORY USAGE)"
                else:
                    calc_method = f"采样估算(采样{memory_info['sample_count']}个, 估算方法)"
            else:
                if memory_info['uses_real_memory']:
                    calc_method = "真实值(全部计算, 使用MEMORY USAGE)"
                else:
                    calc_method = "估算值(全部计算, 估算方法)"
            
            memory_str = f"{format_bytes(memory)} | 每条: {avg_memory_str} | {calc_method}"
            
            percentage = (memory / total_memory_all * 100) if total_memory_all > 0 else 0
            
            # 添加说明
            description = ""
            if prefix == 'trans':
                description = "翻译缓存"
            elif prefix.startswith('embedding') or prefix.startswith('emb'):
                description = "向量化缓存"
            elif prefix.startswith('session') or prefix.startswith('user'):
                description = "会话/用户缓存"
            elif prefix.startswith('product') or prefix.startswith('item'):
                description = "商品缓存"
            else:
                description = "其他"
            
            # 格式化输出，内存信息可能很长，需要适当处理
            memory_display = memory_str[:70] + "..." if len(memory_str) > 70 else memory_str
            print(f"{prefix:<20} {stats['count']:>12,} {memory_display:<70} {percentage:>9.1f}%  {description}")
        
        print("-" * 120)
        avg_total = total_memory_all / total_keys if total_keys > 0 else 0
        total_display = f"{format_bytes(total_memory_all)} | 每条: {format_bytes(avg_total)}"
        print(f"{'总计':<20} {total_keys:>12,} {total_display:<70} {'100.0':>9}%")
        
        # 显示详细信息
        print("\n" + "=" * 60)
        print("详细信息（每个前缀的示例 key）")
        print("=" * 60)
        
        for prefix, stats in sorted_prefixes[:10]:  # 只显示前 10 个
            mem_info = prefix_memory[prefix]
            avg_per_key = mem_info['memory'] / stats['count'] if stats['count'] > 0 else 0
            
            print(f"\n{prefix}:* ({stats['count']:,} 个 key)")
            print(f"  总内存: {format_bytes(mem_info['memory'])}")
            print(f"  每条 key 平均: {format_bytes(avg_per_key)}")
            
            # 显示计算方式
            if mem_info['is_sampled']:
                if mem_info['uses_real_memory']:
                    print(f"  计算方式: 采样估算（采样 {mem_info['sample_count']} 个，使用真实 MEMORY USAGE）")
                else:
                    print(f"  计算方式: 采样估算（采样 {mem_info['sample_count']} 个，使用估算方法）")
            else:
                if mem_info['uses_real_memory']:
                    print(f"  计算方式: 真实值（全部计算，使用 MEMORY USAGE）")
                else:
                    print(f"  计算方式: 估算值（全部计算，使用估算方法）")
            
            print(f"  示例 key:")
            for sample_key in stats['sample_keys'][:3]:
                ttl = client.ttl(sample_key)
                if ttl == -1:
                    ttl_str = "无过期时间"
                elif ttl == -2:
                    ttl_str = "已过期"
                else:
                    ttl_str = f"{ttl/86400:.1f} 天"
                key_display = sample_key[:60] + "..." if len(sample_key) > 60 else sample_key
                print(f"    - {key_display} (TTL: {ttl_str})")
        
        # 获取 Redis 总内存信息
        print("\n" + "=" * 60)
        print("Redis 内存使用情况")
        print("=" * 60)
        
        try:
            info = client.info('memory')
            used_memory = info.get('used_memory', 0)
            used_memory_human = info.get('used_memory_human', '0B')
            maxmemory = info.get('maxmemory', 0)
            maxmemory_human = info.get('maxmemory_human', '0B')
            
            print(f"Redis 总使用内存: {used_memory_human} ({used_memory:,} bytes)")
            print(f"统计的缓存内存: {format_bytes(total_memory_all)}")
            print(f"内存占比: {(total_memory_all / used_memory * 100) if used_memory > 0 else 0:.1f}%")
            
            if maxmemory > 0:
                print(f"最大内存限制: {maxmemory_human} ({maxmemory:,} bytes)")
                usage_percent = (used_memory / maxmemory) * 100
                print(f"内存使用率: {usage_percent:.2f}%")
        except Exception as e:
            print(f"获取内存信息失败: {e}")
        
    except Exception as e:
        print(f"❌ 分析失败: {e}")
        import traceback
        traceback.print_exc()

def analyze_specific_prefixes(client, prefixes, db_num=0):
    """分析指定的前缀"""
    print("=" * 60)
    if db_num > 0:
        print(f"数据库 {db_num} - 分析指定前缀: {', '.join(prefixes)}")
    else:
        print(f"分析指定前缀: {', '.join(prefixes)}")
    print("=" * 60)
    
    for prefix in prefixes:
        pattern = f"{prefix}:*"
        keys = scan_all_keys(client, pattern=pattern)
        
        if not keys:
            print(f"\n{prefix}:* - 未找到 key")
            continue
        
        print(f"\n{prefix}:*")
        print(f"  条目数: {len(keys):,}")
        
        # 计算内存
        total_memory = 0
        sample_count = min(100, len(keys))
        import random
        sample_keys = random.sample(keys, sample_count) if len(keys) > sample_count else keys
        
        for key in sample_keys:
            memory = get_key_memory_usage(client, key)
            total_memory += memory
        
        if len(keys) > sample_count:
            avg_memory = total_memory / sample_count
            estimated_total = avg_memory * len(keys)
            print(f"  内存占用量: {format_bytes(estimated_total)} (估算, 采样 {sample_count})")
        else:
            print(f"  内存占用量: {format_bytes(total_memory)}")

def get_all_databases():
    """获取所有有数据的数据库列表"""
    databases = []
    # Redis 默认有 16 个数据库（0-15）
    for db_num in range(16):
        try:
            client = get_redis_client(db=db_num)
            client.ping()
            # 检查是否有 key
            key_count = client.dbsize()
            if key_count > 0:
                databases.append(db_num)
        except:
            pass
    return databases

def analyze_all_databases(args):
    """分析所有数据库"""
    print("=" * 60)
    print("扫描所有数据库...")
    print("=" * 60)
    
    databases = get_all_databases()
    
    if not databases:
        print("未找到有数据的数据库")
        return
    
    print(f"发现 {len(databases)} 个有数据的数据库: {databases}\n")
    
    # 汇总统计
    total_stats_by_prefix = defaultdict(lambda: {'count': 0, 'memory': 0, 'dbs': []})
    total_keys_all_db = 0
    total_memory_all_db = 0
    
    for db_num in databases:
        try:
            client = get_redis_client(db=db_num)
            client.ping()
            db_size = client.dbsize()
            
            print(f"\n{'='*60}")
            print(f"数据库 {db_num} (共 {db_size:,} 个 key)")
            print(f"{'='*60}")
            
            if args.prefix:
                analyze_specific_prefixes(client, args.prefix, db_num=db_num)
            else:
                # 分析当前数据库
                analyze_cache_by_prefix(client, args, db_num=db_num)
                
                # 收集统计信息（简化版，只统计 key 数量）
                total_keys_all_db += db_size
                
        except Exception as e:
            print(f"❌ 数据库 {db_num} 分析失败: {e}")
            import traceback
            traceback.print_exc()
            continue
    
    # 显示汇总统计
    if not args.prefix:
        print("\n" + "=" * 60)
        print("所有数据库汇总")
        print("=" * 60)
        print(f"有数据的数据库: {len(databases)} 个 ({', '.join(map(str, databases))})")
        print(f"总 key 数量: {total_keys_all_db:,}")
        print(f"\n提示: 要查看详细的内存统计，请分别运行每个数据库:")
        for db_num in databases:
            print(f"  python scripts/redis/check_cache_stats.py --db {db_num}")

def main():
    """主函数"""
    import argparse
    
    parser = argparse.ArgumentParser(description='统计 Redis 缓存的条目数和内存占用量')
    parser.add_argument('--prefix', nargs='+', help='指定要分析的前缀（如: trans embedding）')
    parser.add_argument('--all', action='store_true', help='分析所有前缀（默认）')
    parser.add_argument('--real', action='store_true', help='计算所有 key 的真实内存（很慢，但准确）')
    parser.add_argument('--sample-size', type=int, default=100, help='采样大小（默认 100，仅当 key 数量 > 采样大小时使用）')
    parser.add_argument('--db', type=int, help='指定数据库编号（0-15），默认只统计 db 0')
    parser.add_argument('--all-db', action='store_true', help='统计所有数据库（0-15）')
    
    args = parser.parse_args()
    
    print("Redis 缓存统计工具")
    print("=" * 60)
    print(f"检查时间: {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}")
    print()
    
    # 如果指定了 --all-db，分析所有数据库
    if args.all_db:
        analyze_all_databases(args)
        print("\n" + "=" * 60)
        print("统计完成")
        print("=" * 60)
        return
    
    # 否则分析指定或默认的数据库
    db_num = args.db if args.db is not None else 0
    
    try:
        client = get_redis_client(db=db_num)
        client.ping()
        if db_num > 0:
            print(f"✅ Redis 连接成功（数据库 {db_num}）\n")
        else:
            print("✅ Redis 连接成功（默认数据库 0）\n")
    except Exception as e:
        print(f"❌ Redis 连接失败: {e}")
        print(f"\n请检查:")
        print(f"  - Host: {REDIS_CONFIG.get('host', 'localhost')}")
        print(f"  - Port: {REDIS_CONFIG.get('port', 6479)}")
        print(f"  - Password: {'已配置' if REDIS_CONFIG.get('password') else '未配置'}")
        print(f"  - Database: {db_num}")
        return
    
    if args.prefix:
        analyze_specific_prefixes(client, args.prefix, db_num=db_num)
    else:
        # 传递参数到分析函数
        analyze_cache_by_prefix(client, args, db_num=db_num)
    
    print("\n" + "=" * 60)
    print("统计完成")
    print("=" * 60)

if __name__ == "__main__":
    main()