# 从app模块导入create_app应用工厂函数和db数据库实例
from app import create_app, db

# 从app.models模块导入MonitorPoint监控点模型和MonitorData监控数据模型
from app.models import MonitorPoint, MonitorData

# 从datetime模块导入datetime和timedelta类，用于处理时间计算
from datetime import datetime, timedelta

# 导入random模块，用于生成随机数
import random

# 定义创建测试数据的函数
def create_test_data():
    # 使用应用工厂函数创建Flask应用实例
    app = create_app()
    # 在应用上下文中执行数据库操作
    with app.app_context():
        # 清除现有的测试数据：删除MonitorData表中的所有数据
        MonitorData.query.delete()
        # 清除现有的测试数据：删除MonitorPoint表中的所有数据
        MonitorPoint.query.delete()

        # 创建测试监控点的数据列表，包含3个监控点的信息
        test_points = [
            {
                # 监控点名称
                'name': '1号养殖池',
                # 监控点位置
                'location': 'A区-东侧',
                # 监控点描述
                'description': '草鱼养殖池'
            },
            {
                # 监控点名称
                'name': '2号养殖池',
                # 监控点位置
                'location': 'A区-西侧',
                # 监控点描述
                'description': '鲫鱼养殖池'
            },
            {
                # 监控点名称
                'name': '3号养殖池',
                # 监控点位置
                'location': 'B区-北侧',
                # 监控点描述
                'description': '鲤鱼养殖池'
            }
        ]

        # 创建空列表用于存储已创建的监控点对象
        created_points = []
        # 遍历测试监控点数据列表
        for point_data in test_points:
            # 使用字典解包创建MonitorPoint实例
            point = MonitorPoint(**point_data)
            # 将新创建的监控点添加到数据库会话中
            db.session.add(point)
            # 将监控点对象添加到已创建点列表中
            created_points.append(point)

        # 提交数据库事务，将所有监控点保存到数据库
        db.session.commit()

        # 为每个监控点生成24小时的测试数据
        now = datetime.utcnow()  # 获取当前UTC时间
        # 遍历所有已创建的监控点
        for point in created_points:
            # 生成过去24小时的数据，每小时一条记录
            # 从24小时前开始，到当前时间为止，倒序遍历
            for hours_ago in range(24, -1, -1):
                # 计算时间戳（当前时间减去指定小时数）
                timestamp = now - timedelta(hours=hours_ago)

                # 生成合理范围内的随机数据，创建MonitorData实例
                data = MonitorData(
                    point_id=point.id,  # 关联监控点ID
                    # 生成4.0-8.0之间的随机数作为溶解氧值，保留2位小数
                    dissolved_oxygen=round(random.uniform(4.0, 8.0), 2),
                    # 生成6.5-8.5之间的随机数作为pH值，保留2位小数
                    ph_value=round(random.uniform(6.5, 8.5), 2),
                    # 生成20.0-28.0之间的随机数作为温度值，保留1位小数
                    temperature=round(random.uniform(20.0, 28.0), 1),
                    # 生成0.1-0.5之间的随机数作为氨氮值，保留2位小数
                    ammonia_nitrogen=round(random.uniform(0.1, 0.5), 2),
                    # 生成10.0-30.0之间的随机数作为浊度值，保留2位小数
                    turbidity=round(random.uniform(10.0, 30.0), 2),
                    timestamp=timestamp  # 设置时间戳
                )
                # 将新创建的监控数据添加到数据库会话中
                db.session.add(data)

        # 提交数据库事务，将所有监控数据保存到数据库
        db.session.commit()
        # 打印测试数据创建成功的消息
        print('测试数据创建成功！')

        # 打印统计信息
        # 查询监控点总数
        points_count = MonitorPoint.query.count()
        # 查询监控数据总数
        data_count = MonitorData.query.count()
        # 输出监控点数量
        print(f'已创建 {points_count} 个监控点')
        # 输出监控数据数量
        print(f'已创建 {data_count} 条监控数据')

# 主程序入口：当脚本直接运行时执行create_test_data函数
if __name__ == '__main__':
    create_test_data()