"""환적(Transshipment) 의심 선박 탐지 — 서버사이드 O(n log n) 구현.

프론트엔드 useKoreaFilters.ts의 O(n²) 근접 탐지를 대체한다.
scipy 미설치 환경을 고려하여 그리드 기반 공간 인덱스를 사용한다.

알고리즘 개요:
1. 후보 선박 필터: sog < 2kn, 선종 (tanker/cargo/fishing), 외국 해안선 제외
2. 그리드 셀 기반 근접 쌍 탐지: O(n log n) ← 셀 분할 + 인접 9셀 조회
3. pair_history dict로 쌍별 최초 탐지 시각 영속화 (호출 간 유지)
4. 60분 이상 지속 근접 시 의심 쌍으로 판정
"""

from __future__ import annotations

import logging
import math
from datetime import datetime, timezone
from typing import Optional

import pandas as pd

logger = logging.getLogger(__name__)

# ──────────────────────────────────────────────────────────────
# 상수
# ──────────────────────────────────────────────────────────────

SOG_THRESHOLD_KN = 2.0          # 정박/표류 기준 속도 (노트)
PROXIMITY_DEG = 0.001           # 근접 판정 임계값 (~110m)
SUSPECT_DURATION_MIN = 60       # 의심 판정 최소 지속 시간 (분)
PAIR_EXPIRY_MIN = 120           # pair_history 항목 만료 기준 (분)

# 외국 해안 근접 제외 경계
_CN_LON_MAX = 123.5             # 중국 해안: 경도 < 123.5
_JP_LON_MIN = 130.5             # 일본 해안: 경도 > 130.5
_TSUSHIMA_LAT_MIN = 33.8        # 대마도: 위도 > 33.8 AND 경도 > 129.0
_TSUSHIMA_LON_MIN = 129.0

# 탐지 대상 선종 (소문자 정규화 후 비교)
_CANDIDATE_TYPES: frozenset[str] = frozenset({'tanker', 'cargo', 'fishing'})

# 그리드 셀 크기 = PROXIMITY_DEG (셀 하나 = 근접 임계와 동일 크기)
_GRID_CELL_DEG = PROXIMITY_DEG


# ──────────────────────────────────────────────────────────────
# 내부 헬퍼
# ──────────────────────────────────────────────────────────────

def _is_near_foreign_coast(lat: float, lon: float) -> bool:
    """외국 해안 근처 여부 — 중국/일본/대마도 경계 확인."""
    if lon < _CN_LON_MAX:
        return True
    if lon > _JP_LON_MIN:
        return True
    if lat > _TSUSHIMA_LAT_MIN and lon > _TSUSHIMA_LON_MIN:
        return True
    return False


def _cell_key(lat: float, lon: float) -> tuple[int, int]:
    """위도/경도를 그리드 셀 인덱스로 변환."""
    return (int(math.floor(lat / _GRID_CELL_DEG)),
            int(math.floor(lon / _GRID_CELL_DEG)))


def _build_grid(records: list[dict]) -> dict[tuple[int, int], list[int]]:
    """선박 리스트를 그리드 셀로 분류.

    Returns: {(row, col): [record index, ...]}
    """
    grid: dict[tuple[int, int], list[int]] = {}
    for idx, rec in enumerate(records):
        key = _cell_key(rec['lat'], rec['lon'])
        if key not in grid:
            grid[key] = []
        grid[key].append(idx)
    return grid


def _within_proximity(a: dict, b: dict) -> bool:
    """두 선박이 PROXIMITY_DEG 이내인지 확인 (위경도 직교 근사)."""
    dlat = abs(a['lat'] - b['lat'])
    if dlat >= PROXIMITY_DEG:
        return False
    cos_lat = math.cos(math.radians((a['lat'] + b['lat']) / 2.0))
    dlon_scaled = abs(a['lon'] - b['lon']) * cos_lat
    return dlon_scaled < PROXIMITY_DEG


def _normalize_type(raw: Optional[str]) -> str:
    """선종 문자열 소문자 정규화."""
    if not raw:
        return ''
    return raw.strip().lower()


def _pair_key(mmsi_a: str, mmsi_b: str) -> tuple[str, str]:
    """MMSI 순서를 정규화하여 중복 쌍 방지."""
    return (mmsi_a, mmsi_b) if mmsi_a < mmsi_b else (mmsi_b, mmsi_a)


def _evict_expired_pairs(
    pair_history: dict[tuple[str, str], datetime],
    now: datetime,
) -> None:
    """PAIR_EXPIRY_MIN 이상 갱신 없는 pair_history 항목 제거."""
    expired = [
        key for key, first_seen in pair_history.items()
        if (now - first_seen).total_seconds() / 60 > PAIR_EXPIRY_MIN
    ]
    for key in expired:
        del pair_history[key]


# ──────────────────────────────────────────────────────────────
# 공개 API
# ──────────────────────────────────────────────────────────────

def detect_transshipment(
    df: pd.DataFrame,
    pair_history: dict[tuple[str, str], datetime],
) -> list[tuple[str, str, int]]:
    """환적 의심 쌍 탐지.

    Args:
        df: 선박 위치 DataFrame.
            필수 컬럼: mmsi, lat, lon, sog
            선택 컬럼: ship_type (없으면 전체 선종 허용)
        pair_history: 쌍별 최초 탐지 시각을 저장하는 영속 dict.
            스케줄러에서 호출 간 유지하여 전달해야 한다.
            키: (mmsi_a, mmsi_b) — mmsi_a < mmsi_b 정규화 적용.
            값: 최초 탐지 시각 (UTC datetime, timezone-aware).

    Returns:
        [(mmsi_a, mmsi_b, duration_minutes), ...] — 60분 이상 지속된 의심 쌍.
        mmsi_a < mmsi_b 정규화 적용.
    """
    if df.empty:
        return []

    required_cols = {'mmsi', 'lat', 'lon', 'sog'}
    missing = required_cols - set(df.columns)
    if missing:
        logger.error('detect_transshipment: missing required columns: %s', missing)
        return []

    now = datetime.now(timezone.utc)

    # ── 1. 후보 선박 필터 ──────────────────────────────────────
    has_type_col = 'ship_type' in df.columns

    candidate_mask = df['sog'] < SOG_THRESHOLD_KN

    if has_type_col:
        type_mask = df['ship_type'].apply(_normalize_type).isin(_CANDIDATE_TYPES)
        candidate_mask = candidate_mask & type_mask

    candidates = df[candidate_mask].copy()

    if candidates.empty:
        _evict_expired_pairs(pair_history, now)
        return []

    # 외국 해안 근처 제외
    coast_mask = candidates.apply(
        lambda row: not _is_near_foreign_coast(row['lat'], row['lon']),
        axis=1,
    )
    candidates = candidates[coast_mask]

    if len(candidates) < 2:
        _evict_expired_pairs(pair_history, now)
        return []

    records = candidates[['mmsi', 'lat', 'lon']].to_dict('records')
    for rec in records:
        rec['mmsi'] = str(rec['mmsi'])

    # ── 2. 그리드 기반 근접 쌍 탐지 ──────────────────────────
    grid = _build_grid(records)
    active_pairs: set[tuple[str, str]] = set()

    for (row, col), indices in grid.items():
        # 현재 셀 내부 쌍
        for i in range(len(indices)):
            for j in range(i + 1, len(indices)):
                a = records[indices[i]]
                b = records[indices[j]]
                if _within_proximity(a, b):
                    active_pairs.add(_pair_key(a['mmsi'], b['mmsi']))

        # 인접 셀 (우측 3셀 + 아래 3셀 = 중복 없는 방향성 순회)
        for dr, dc in ((0, 1), (1, -1), (1, 0), (1, 1)):
            neighbor_key = (row + dr, col + dc)
            if neighbor_key not in grid:
                continue
            for ai in indices:
                for bi in grid[neighbor_key]:
                    a = records[ai]
                    b = records[bi]
                    if _within_proximity(a, b):
                        active_pairs.add(_pair_key(a['mmsi'], b['mmsi']))

    # ── 3. pair_history 갱신 ─────────────────────────────────
    # 현재 활성 쌍 → 최초 탐지 시각 등록
    for pair in active_pairs:
        if pair not in pair_history:
            pair_history[pair] = now

    # 비활성 쌍 → pair_history에서 제거 (다음 접근 시 재시작)
    inactive = [key for key in pair_history if key not in active_pairs]
    for key in inactive:
        del pair_history[key]

    # 만료 항목 정리 (비활성 제거 후 잔여 방어용)
    _evict_expired_pairs(pair_history, now)

    # ── 4. 의심 쌍 판정 ──────────────────────────────────────
    suspects: list[tuple[str, str, int]] = []

    for pair, first_seen in pair_history.items():
        duration_min = int((now - first_seen).total_seconds() / 60)
        if duration_min >= SUSPECT_DURATION_MIN:
            suspects.append((pair[0], pair[1], duration_min))

    if suspects:
        logger.info(
            'transshipment detection: %d suspect pairs (candidates=%d)',
            len(suspects),
            len(candidates),
        )

    return suspects