using Ayay.SerilogLogs;
using Microsoft.Extensions.Hosting;
using OpenCvSharp;
using Serilog;
using SHH.CameraSdk;        // 引用 SDK 核心
using SHH.Contracts;
using System.Diagnostics;

namespace SHH.CameraService;

/// <summary>
/// 图像监控采集控制器 (流媒体分发引擎)
/// <para>功能：监听全局图像采集总线，对图像进行实时 JPG 编码，并动态分发至云端、大屏等订阅目标。</para>
/// <para>设计模式：发布-订阅模式 + 扇出 (Fan-out) 分发。</para>
/// </summary>
public class ImageMonitorController : BackgroundService
{
    private static ILogger _sysLog = Log.ForContext("SourceContext", LogModules.Core);

    // 注入所有注册的目标（云端、大屏等），实现动态分发
    private readonly IEnumerable<StreamTarget> _targets;

    // 编码参数：JPG 质量 75 (平衡画质与带宽)
    // 工业经验：75 是甜点，体积只有 100 的 1/3，肉眼几无区别。
    // 如果您确实需要 100，请注意带宽压力。此处我保留您要求的 100，但建议未来调优。
    private readonly int[] _encodeParams = { (int)ImwriteFlags.JpegQuality, 100 };

    /// <summary>
    /// 构造函数
    /// </summary>
    /// <param name="targets"></param>
    public ImageMonitorController(IEnumerable<StreamTarget> targets)
    {
        _targets = targets;
    }
    
    /// <summary>
    /// 启动后台服务：挂载事件总线
    /// </summary>
    protected override Task ExecuteAsync(CancellationToken stoppingToken)
    {
        _sysLog.Information("[Core] 启动流媒体采集引擎...");

        // =========================================================
        // 订阅逻辑：接入 "上帝模式" (God Mode)
        // =========================================================
        // 理由：gRpc 需要无差别地获取所有设备的图像。
        GlobalStreamDispatcher.OnGlobalFrame += ProcessFrame;
        _sysLog.Information($"[StreamWorker] 已挂载至全局广播总线，正在监听帧信息.");

        var tcs = new TaskCompletionSource();
        stoppingToken.Register(() =>
        {
            // 停止时反注册，防止静态事件内存泄漏
            GlobalStreamDispatcher.OnGlobalFrame -= ProcessFrame;
            _sysLog.Information("[Core] 流媒体采集引擎已断开全局广播连接.");
            tcs.SetResult();
        });

        return tcs.Task;
    }

    /// <summary>
    /// [回调函数] 处理实时帧
    /// <para>注意：此方法由 SDK 采集线程池触发，必须保持极速处理，严禁在内部执行 IO 等耗时阻塞操作。</para>
    /// </summary>
    /// <param name="deviceId">设备唯一标识 ID</param>
    /// <param name="frame">包含原始图像(InternalMat)和处理后图像(TargetMat)的帧数据</param>
    private void ProcessFrame(long deviceId, SmartFrame frame)
    {
        try
        {
            // 1. 基础校验 (合法性检查)
            if (frame == null || frame.InternalMat.Empty()) return;

            long startTick = Stopwatch.GetTimestamp();

            // =========================================================
            // 2. 一次编码 (One Encode) - CPU 消耗点
            // =========================================================
            // 理由：在这里同步编码是最安全的，因为出了这个函数 frame 内存就会失效。
            // 且只编一次，后续分发给 10 个目标也只用这一份数据。

            byte[] jpgBytes = null;
            // 如果有更小的图片, 原始图片不压缩, 除非有特殊需求
            if (frame.TargetMat == null)
            {
                jpgBytes = EncodeImage(frame.InternalMat);
            }

            // 双流支持：如果存在处理后的 AI 图，也一并编码
            byte[] targetBytes = null;
            if (frame.TargetMat != null && !frame.TargetMat.Empty())
            {
                targetBytes = EncodeImage(frame.TargetMat);
            }

            // =========================================================
            // 3. 构建 Payload (数据载荷)
            // =========================================================
            var payload = new VideoPayload
            {
                CameraId = deviceId.ToString(),
                CaptureTimestamp = DateTimeOffset.UtcNow.ToUnixTimeMilliseconds(),
                OriginalImageBytes = jpgBytes, // 引用赋值
                TargetImageBytes = targetBytes, // 引用赋值
                OriginalWidth = frame.TargetWidth,
                OriginalHeight = frame.TargetHeight,
                DispatchTimestamp = DateTimeOffset.UtcNow.ToUnixTimeMilliseconds()
            };

            // 添加订阅者
            payload.SubscriberIds.AddRange(frame.SubscriberIds);

            // 计算转码耗时(ms)
            double processMs = (Stopwatch.GetTimestamp() - startTick) * 1000.0 / Stopwatch.Frequency;
            payload.Diagnostics["encode_ms"] = Math.Round(processMs, 2);

            // =========================================================
            // 4. 动态扇出 (Dynamic Fan-Out) - 内存消耗极低
            // =========================================================
            // 遍历所有目标，往各自独立的管道里写数据。
            // 实现了"物理隔离"：一个管道满了(云端卡顿)，不影响另一个管道(大屏流畅)。
            foreach (var target in _targets)
            {
                bool ok = target.Channel.WriteLog(payload);
                if (!ok)
                {
                    // 如果这里打印，说明管道由于某种原因被关闭了（通常是程序正在退出）
                    _sysLog.Warning($"[ImageMonitor] 管道写入失败，目标: {target.Config.Name}");
                }
            }
        }
        catch (Exception ex)
        {
            // 极少发生的内存错误，打印日志但不抛出，避免崩溃 SDK 线程
            _sysLog.Error($"[ImageMonitor] 采集处理异常: {ex.Message}");
        }
    }

    /// <summary>
    /// 调用 OpenCV 进行内存级图片编码
    /// </summary>
    /// <param name="mat">待编码的 OpenCV Mat 矩阵</param>
    /// <returns>JPG 字节数组</returns>
    private byte[] EncodeImage(Mat mat)
    {
        // ImEncode 将 Mat 编码为一维字节数组 (托管内存)
        Cv2.ImEncode(".jpg", mat, out byte[] buf, _encodeParams);
        return buf;
    }
}