# 数据库字段配置说明

## 问题说明

如果运行时遇到类似 `Unknown column 'xxx'` 的错误，说明数据库表结构与代码中使用的字段名不匹配。

## 已适配的基础字段

当前代码已经适配了以下基础字段（参考 `item_sim.py`）：

### sensors_events 表
- `anonymous_id` - 用户ID
- `item_id` - 商品ID  
- `event` - 事件类型
- `create_time` - 创建时间
- `platform` - 平台（可选）
- `country` - 国家（可选）
- `customer_type` - 客户类型（可选）

### prd_goods_sku 表
- `id` - 商品ID
- `name` - 商品名称
- `create_time` - 创建时间（用于判断新品）

## 可选字段配置

如果您的数据库表包含以下字段，可以在SQL查询中添加它们以支持更多维度：

### 分类字段（可选）
- `category_level1_id` - 一级分类ID
- `category_level2_id` - 二级分类ID
- `category_level3_id` - 三级分类ID

## 如何添加分类字段支持

如果您的数据库有分类字段，可以按以下步骤启用：

### 步骤1: 修改 SQL 查询

编辑 `scripts/interest_aggregation.py`，找到 SQL 查询部分，添加分类字段：

```python
sql_query = f"""
SELECT 
    se.anonymous_id AS user_id,
    se.item_id,
    se.event AS event_type,
    se.create_time,
    pgs.name AS item_name,
    pgs.create_time AS item_create_time,
    pgs.category_level2_id,    # 添加这一行
    pgs.category_level3_id,    # 添加这一行
    se.platform,
    se.country,
    se.customer_type
FROM 
    sensors_events se
LEFT JOIN prd_goods_sku pgs ON se.item_id = pgs.id
...
"""
```

### 步骤2: 修改聚合逻辑

在 `aggregate_by_dimensions` 函数中，字段检查已经做好了，如果字段存在会自动使用：

```python
# 维度4: 二级分类 (category_level2) - 如果字段存在
if 'category_level2_id' in row and pd.notna(row.get('category_level2_id')):
    key = f"category_level2:{row['category_level2_id']}"
    aggregations[key][item_id] += weight
```

这段代码会自动检测字段是否存在，如果存在就使用，不存在就跳过。

## 查看实际表结构

运行以下命令查看您的数据库表结构：

```python
# 创建一个简单的脚本查看表结构
import pandas as pd
from db_service import create_db_connection
from offline_tasks.config.offline_config import DB_CONFIG

engine = create_db_connection(
    DB_CONFIG['host'],
    DB_CONFIG['port'],
    DB_CONFIG['database'],
    DB_CONFIG['username'],
    DB_CONFIG['password']
)

# 查看 prd_goods_sku 表结构
df = pd.read_sql("SELECT * FROM prd_goods_sku LIMIT 1", engine)
print("prd_goods_sku 字段列表:")
for col in df.columns:
    print(f"  - {col}")

# 查看 sensors_events 表结构  
df = pd.read_sql("SELECT * FROM sensors_events LIMIT 1", engine)
print("\nsensors_events 字段列表:")
for col in df.columns:
    print(f"  - {col}")
```

## 常见字段名映射

如果您的数据库使用不同的字段名，需要在SQL查询中做映射：

| 代码中的字段 | 可能的实际字段名 | 修改方式 |
|-------------|----------------|---------|
| `category_level2_id` | `cat2_id`, `category2`, `second_category` | `pgs.cat2_id AS category_level2_id` |
| `category_level3_id` | `cat3_id`, `category3`, `third_category` | `pgs.cat3_id AS category_level3_id` |
| `anonymous_id` | `user_id`, `uid`, `visitor_id` | `se.user_id AS anonymous_id` |
| `customer_type` | `client_type`, `buyer_type` | `se.client_type AS customer_type` |

## 完整示例

假设您的表结构是：
- `prd_goods_sku` 有字段：`id`, `title`, `cat2`, `cat3`, `add_time`
- `sensors_events` 有字段：`uid`, `goods_id`, `action`, `time`

则需要修改SQL为：

```python
sql_query = f"""
SELECT 
    se.uid AS user_id,
    se.goods_id AS item_id,
    se.action AS event_type,
    se.time AS create_time,
    pgs.title AS item_name,
    pgs.add_time AS item_create_time,
    pgs.cat2 AS category_level2_id,
    pgs.cat3 AS category_level3_id
FROM 
    sensors_events se
LEFT JOIN prd_goods_sku pgs ON se.goods_id = pgs.id
...
"""
```

## 最小化配置

如果只想先测试基本功能，可以只使用最基础的字段：

### i2i 算法只需要：
- `anonymous_id` / `user_id`
- `item_id`  
- `event` / `event_type`
- `create_time`
- `name` (商品名称)

### 兴趣点聚合至少需要：
- 以上i2i的字段
- 至少一个维度字段（如 `platform` 或 `country`）

## 测试连接

修改后，运行测试脚本验证：

```bash
cd /home/tw/recommendation/offline_tasks
python3 test_connection.py
```

## 获取帮助

如果仍有问题，请：
1. 查看日志文件：`logs/run_all_*.log`
2. 运行单个脚本测试，便于调试
3. 使用 `--help` 参数查看命令行选项

```bash
python3 scripts/i2i_swing.py --help
python3 scripts/interest_aggregation.py --help
```