"""Конфигурация индексер-воркера."""

from pydantic_settings import BaseSettings, SettingsConfigDict


class Settings(BaseSettings):
    """Настройки индексер-воркера."""

    model_config = SettingsConfigDict(
        env_file=".env",
        env_file_encoding="utf-8",
        case_sensitive=False,
        extra="ignore",
    )

    # PostgreSQL
    POSTGRES_HOST: str = "postgres"
    POSTGRES_PORT: int = 5432
    POSTGRES_DB: str = "antiplagiator"
    POSTGRES_USER: str = "antiplagiator"
    POSTGRES_PASSWORD: str = "changeme"

    # Redis
    REDIS_URL: str = "redis://redis:6379/0"

    # RabbitMQ
    RABBITMQ_URL: str = "amqp://guest:guest@rabbitmq:5672/"

    # MinIO
    MINIO_ENDPOINT: str = "minio:9000"
    MINIO_ACCESS_KEY: str = "minioadmin"
    MINIO_SECRET_KEY: str = "changeme"
    MINIO_BUCKET_DOCS: str = "documents"
    MINIO_BUCKET_STAGING: str = "staging"

    # Elasticsearch
    ELASTICSEARCH_URL: str = "http://elasticsearch:9200"

    # Настройки обработки текста
    FRAGMENT_WINDOW_WORDS: int = 200  # Размер окна для фрагментов
    FRAGMENT_OVERLAP_WORDS: int = 50  # Перекрытие фрагментов
    # Максимум хэшей Winnowing на документ. Winnowing рассчитан на ПОЛНОЕ
    # хранение отпечатков: обрезка теряет гарантию, что скопированный фрагмент
    # разделит отпечатки с источником (при 500 хранилось ~14% отпечатков статьи,
    # и локализованный поиск фрагментов почти не срабатывал). Держим высоким;
    # цена — размер таблицы fingerprints (~3-4К строк на статью).
    MAX_FINGERPRINTS_PER_DOC: int = 20000
    # Порог уровня 1: % отпечатков фрагмента, найденных в источнике, чтобы
    # пометить фрагмент как скопированный
    EXACT_FRAGMENT_THRESHOLD: float = 40.0

    # Скачивание полного текста статей (PDF по URL источника)
    FETCH_FULL_TEXT: bool = False  # Включить обогащение полным текстом при заливке корпуса
    # Лить из OpenAlex только open-access работы (is_oa:true) — резко повышает
    # долю статей с доступным PDF (покрытие full-text ~8% → ~70-80%)
    INGEST_OPEN_ACCESS_ONLY: bool = True
    FULL_TEXT_TIMEOUT: float = 30.0  # Таймаут скачивания одного документа, сек
    FULL_TEXT_MAX_BYTES: int = 30 * 1024 * 1024  # Лимит размера скачиваемого файла (30 МБ)
    FULL_TEXT_MIN_CHARS: int = 500  # Минимум символов, иначе считаем извлечение неудачным
    EMBED_BATCH_SIZE: int = 64  # Размер пачки документов для диспатча эмбеддингов

    # Сколько документов массового источника пишется одной транзакцией.
    # Больше — меньше накладных расходов, но длиннее транзакция: 500 статей по
    # 2000 отпечатков это миллион строк за раз, и на таком объёме соединение
    # обрывалось. 150 — компромисс, проверенный на заливке Википедии.
    BULK_WRITE_BATCH: int = 150

    # Бюджет времени одного прогона index.run_parser. RabbitMQ рвёт канал
    # consumer'а, не сделавшего ack за consumer_timeout (по умолчанию 1800с):
    # воркер падает, сообщение передоставляется, таск начинается заново —
    # бесконечный краш-луп (docs/DR-HA.md §6). Прогон закругляется раньше и
    # честно помечается partial: остаток дозаливается повторным запуском.
    PARSER_TIME_BUDGET_S: float = 1500.0

    # Автоматически добавлять проверенные работы студентов в базу для сравнения
    # (как в коммерческих системах — Антиплагиат.ру/Turnitin ловят списывание у
    # предыдущих потоков именно так). Выключено по умолчанию: без ручной
    # модерации студент, перепроверивший тот же файл дважды, получал 100%
    # "плагиата" — против собственной же более ранней загрузки. L1/L2/L3 теперь
    # и так исключают source=user_submission из сравнения, так что включать это
    # обратно есть смысл только вместе с реальной защитой от self/cross-match.
    AUTO_APPROVE_SUBMISSIONS: bool = False

    # App
    ENVIRONMENT: str = "development"
    DEBUG: bool = False

    @property
    def database_url_sync(self) -> str:
        """Синхронный URL для SQLAlchemy."""
        return (
            f"postgresql+psycopg2://{self.POSTGRES_USER}:{self.POSTGRES_PASSWORD}"
            f"@{self.POSTGRES_HOST}:{self.POSTGRES_PORT}/{self.POSTGRES_DB}"
        )


settings = Settings()