mirror of
https://github.com/ThearchyHelios/AgentLab.git
synced 2026-11-15 16:12:01 +00:00
ThearchyHelios
e4f8ee5d08
推断的来源（新 engine/direct_select、data/provenance、data/provenance_db；api/evidence 新增推断来源接口） - 只对直接引用一列的查询下钻：受限文法用和执行时相同的 SQLite 分词读法，别名互换、自连接、表达式、聚合、子查询、集合运算（含藏在注释、字符串、方括号、转义、BOM 之后的）一律只给表级来历；再用 EXPLAIN 字节码和授权回调兜底 - 结果带齐主键、值非空，按主键参数化回查只读快照、类型和值严格一致才给格子；不一致时整份重算库哈希，哈希不符标红 - 从导入清单和溯源找回格子：宽表、交叉表逆透视的长表（日期取自表头格、年份取自统计期、行标签、分段标题）、列表、合计表、按期累积的并集（换算到所属那一期）；原文与规范写法不同时一并列出 - 清单读不到、登记哈希与清单不一致、快照已回收、遮罩列，都只给表级来历或不给，写明原因；原件已清除、接受已作废照实显示；未封存的运行照常推断并标明 - 相关核对：这一行、这一期的核对结论与接受理由 裁判摘录（engine/judge） - 带期 4 标记的报告，上传表格的查询旁加来源行、口径行、接受理由、可见单元格里的区域外文字和人工录入的统计期；限定语写明这些数未经系统核对，长度有上限、截断时写明 - 隐藏行列里的区域外文字不送；设了遮罩的源只写条数 前端证据面板（run/EvidenceProvenance；ManifestBody 从版本页抽出复用） - 「推断的来源」一节与已封存的证据分开标注：格子坐标、取自哪些格、年份来源、规范写法、回查、相关核对、数据版本与各期；标红与拒绝原因按状态显示 不变的部分 - 文档顶层加 provenance 标记，只有新报告走新路径；期 4 之前的运行、非上传源、手工源的面板、复核、裁判摘录逐字不变，由金样测试钉住 - 执行器给区域外文字记录是否在隐藏行列；不建「导入校验」系统表（D6）
258 lines
15 KiB
Python
258 lines
15 KiB
Python
"""证据下钻（期 4「推断的来源」）里要碰数据库和数据文件的几步（P4-SPEC 2.3 R12–R16、2.7、2.9）。
|
||
|
||
识别器（engine/direct_select.py）和清单、格子（data/provenance.py）都是纯函数，不连库；这里收拢剩下的：
|
||
取数据文件记录、绑定快照、按主键回查、编译核对、强制重算哈希、行级核对、导入记录上的当前状态。
|
||
|
||
**为什么回查、行级核对都经 EngineCache**：查询本身就是经它打开快照的（immutable 只读、本进程首次整份核对哈希、
|
||
之后每次取引擎和借连接都比文件指纹）。走同一条路，下钻核对过的就是查询读过的那个文件，保证范围也和查询相同
|
||
（P4-SPEC 2.6 照实写了这个范围的边界）。编译核对另开一个连接，开前关后各比一次 EngineCache 记下的指纹。
|
||
|
||
**异常**：SnapshotManifestMismatch、SnapshotTampered、SnapshotMissing 一律原样抛出，由接口一侧按 2.3 的
|
||
except 顺序映射成 chain_mismatch / db_tampered / snapshot_gone（api/evidence._snapshot_failure）。这里不吞、
|
||
不改判：同一类异常在接口的每一步都要得到同一个结论。
|
||
|
||
同步的文件操作（编译核对、整份重算哈希）一律放 asyncio.to_thread，不卡事件循环（H9）。
|
||
"""
|
||
from __future__ import annotations
|
||
|
||
import asyncio
|
||
import sqlite3
|
||
from pathlib import Path
|
||
from types import SimpleNamespace
|
||
from typing import Any
|
||
|
||
from sqlalchemy import select
|
||
from sqlalchemy.ext.asyncio import AsyncSession
|
||
|
||
from app.data import engine as engine_mod
|
||
from app.data.engine import SnapshotTampered, engines, open_checked_sqlite
|
||
from app.data.names import name_key
|
||
from app.data.provenance_types import CompileFacts, StateNote, SumEqRule
|
||
from app.data.recipe_checks import sum_eq_conditions
|
||
from app.data.table_versions import SnapshotMissing, SourceView, bind_snapshot
|
||
from app.db.models import SourceSnapshot, TableImport, TableRecipe
|
||
|
||
#: 数据文件记录在、却已回收或文件不在（绑定之前先认出来，免得取引擎时被当成「文件被改」标红）
|
||
_GONE = "数据版本 {sid} 的数据文件已回收或不存在，无法按主键回查"
|
||
#: EngineCache 里没有这个快照的指纹（不是快照引擎）：不该出现，按文件不在处理（P4-SPEC 2.9 末尾）
|
||
_NOT_PINNED = "数据版本 {sid} 没有核对过的数据文件记录，无法做编译核对"
|
||
#: 编译核对前后，文件和 EngineCache 核对过的那份对不上：和借连接时指纹不符同一个说法
|
||
_REPLACED = engine_mod._REPLACED
|
||
|
||
|
||
def _q(name: str) -> str:
|
||
"""SQL 标识符：一律双引号、内部双引号写两个（和 recipe_checks._q、契约 Recheck 的写法一致）。"""
|
||
return '"' + str(name).replace('"', '""') + '"'
|
||
|
||
|
||
def _fingerprint(path: str) -> engine_mod.Fingerprint | None:
|
||
"""文件指纹，口径和 EngineCache 记下的那份完全相同（同一个函数）。单独包一层，测试可以只换这里。"""
|
||
return engine_mod._fingerprint(path)
|
||
|
||
|
||
# --------------------------------------------------------------------------
|
||
# 数据文件记录与绑定（R12、R14）
|
||
# --------------------------------------------------------------------------
|
||
|
||
|
||
async def snapshot_record(session: AsyncSession, snapshot_id: str) -> SourceSnapshot | None:
|
||
"""查询快照的 data_version 对应的数据文件记录（source_snapshots 一行）；没有为 None（R12）。"""
|
||
if not snapshot_id:
|
||
return None
|
||
return await session.get(SourceSnapshot, str(snapshot_id))
|
||
|
||
|
||
def view_of(snapshot: SourceSnapshot, *, source_name: str) -> SourceView:
|
||
"""数据文件记录 → 绑定了这个快照的 SourceView，供回查、编译核对、行级核对打开数据文件（R14）。
|
||
|
||
用 table_versions.bind_snapshot，和查询解析源的那条路相同（登记哈希为空拒绝；有快照清单的首次绑定时交叉
|
||
核对）。传进去的不是数据源记录，而是一个替身：
|
||
- id = snapshot.source_id：缓存键（cache_key）和查询时相同，首次整份哈希只算一次；
|
||
- name = source_name（查询快照记的数据源名，只用在报错文字里）；description、enabled、options 等给缺省值。
|
||
bind_snapshot 直接读 source.description、bool(source.enabled)，少了会抛 AttributeError。
|
||
所以数据源被删了、改名了也能回查：回查只需要快照文件和它的登记哈希。options 为空，查询时限、遮罩都不进
|
||
这个视图——回查的 SQL 是这里拼的主键查找，遮罩由接口一侧按 R10 先判过。
|
||
|
||
记录已回收（retired_at）或文件不在时抛 SnapshotMissing（→ snapshot_gone，不标红）：不先认出来的话，取引擎时
|
||
读不到文件会被 EngineCache 报成 SnapshotTampered，误标成「数据文件被改」。SnapshotManifestMismatch、
|
||
SnapshotMissing（登记哈希为空）原样抛出。
|
||
"""
|
||
path = str(snapshot.db_path or "")
|
||
if snapshot.retired_at is not None or not path or not Path(path).is_file():
|
||
raise SnapshotMissing(_GONE.format(sid=str(snapshot.id)[:12]))
|
||
stand_in = SimpleNamespace(
|
||
id=snapshot.source_id, name=source_name, description="", enabled=True, options={},
|
||
current_snapshot_id=None, last_check=None,
|
||
)
|
||
return bind_snapshot(stand_in, snapshot)
|
||
|
||
|
||
# --------------------------------------------------------------------------
|
||
# R15：编译核对
|
||
# --------------------------------------------------------------------------
|
||
|
||
|
||
async def compile_facts(view: SourceView, sql: str) -> CompileFacts:
|
||
"""在查询读过的同一个文件上编译原 SQL（EXPLAIN，不执行），给出与解析无关的三项事实（R15）：
|
||
授权回调报出读了哪些表、字节码里 ResultRow 和 Yield 各有几个。
|
||
|
||
步骤：经 EngineCache 取引擎（首次时整份核对哈希）→ **同步**取 engines.pinned(view)（中间没有 await，不会被 LRU
|
||
挤掉）→ 在线程里：比指纹 → 单开 immutable 只读连接（和 EngineCache 打开快照的方式相同）→ 装授权回调、EXPLAIN
|
||
一次 → 关连接 → 再比指纹。开前关后的指纹都要等于 EngineCache 核对过的那份，单开的连接读的才是核对过的文件；
|
||
不等抛 SnapshotTampered。pinned 为 None（不是快照引擎）抛 SnapshotMissing。
|
||
|
||
授权回调只观察、不拦（一律放行）：连接本身只读、immutable，EXPLAIN 不执行语句。结论怎么用由接口判（R15 的
|
||
①②③），这里只报事实。
|
||
"""
|
||
await engines.get(view)
|
||
pinned = engines.pinned(view)
|
||
if pinned is None:
|
||
raise SnapshotMissing(_NOT_PINNED.format(sid=str(view.snapshot_id or "")[:12]))
|
||
return await asyncio.to_thread(_compile, str(view.database or ""), pinned, sql)
|
||
|
||
|
||
def _compile(path: str, pinned: engine_mod.Fingerprint, sql: str) -> CompileFacts:
|
||
if _fingerprint(path) != pinned:
|
||
raise SnapshotTampered(_REPLACED)
|
||
reads: set[str] = set()
|
||
|
||
def observe(action: int, arg1: str | None, _arg2: str | None, _db: str | None, _trigger: str | None) -> int:
|
||
# SQLITE_READ 的 arg1 是表名（建表时的写法）。子查询、自连接读到的表都会报出来，改名、CTE 报的和合法写法
|
||
# 一样（P4-SPEC 2.4 末尾），所以这只是兜底，主判据仍是识别器
|
||
if action == sqlite3.SQLITE_READ and arg1:
|
||
reads.add(arg1)
|
||
return sqlite3.SQLITE_OK
|
||
|
||
conn = open_checked_sqlite(path, readonly=True, immutable=True)
|
||
try:
|
||
conn.set_authorizer(observe)
|
||
opcodes = [str(row[1]) for row in conn.execute("EXPLAIN " + sql)]
|
||
finally:
|
||
conn.close()
|
||
if _fingerprint(path) != pinned:
|
||
raise SnapshotTampered(_REPLACED)
|
||
return CompileFacts(tables=reads, result_rows=opcodes.count("ResultRow"), yields=opcodes.count("Yield"))
|
||
|
||
|
||
# --------------------------------------------------------------------------
|
||
# R16：按主键回查、强制重算哈希
|
||
# --------------------------------------------------------------------------
|
||
|
||
|
||
async def recheck(view: SourceView, *, table: str, column: str,
|
||
pk: dict[str, Any]) -> tuple[list[tuple[int, Any]], str, list[Any]]:
|
||
"""按主键参数化回查被引用的那一格（R16）：返回 (行, sql, params)，行是 [(rowid, 值), …]。
|
||
|
||
SQL 的写法以契约 Recheck 为准：`SELECT rowid, "列" FROM "表" WHERE "主键1" = ? AND "主键2" = ?`，标识符一律双引号，
|
||
`?` 位置占位符，WHERE 和 params 都按 pk 的键序（调用方按冻结表结构 primary_key 的顺序构造 pk）。面板「技术
|
||
细节」原样显示这里返回的 sql、params，所以不加 LIMIT：多出的行本身就是 recheck_multiple 的证据。
|
||
|
||
值经 engine._jsonable 规范化，和查询结果进快照时同一个口径（run_query 逐格调它），调用方直接按类型和值比较。
|
||
经 EngineCache 打开（同一个缓存键、同一份哈希核对），三类异常原样抛出。
|
||
"""
|
||
if not pk:
|
||
raise ValueError("回查需要主键")
|
||
names = list(pk)
|
||
sql = (f"SELECT rowid, {_q(column)} FROM {_q(table)} WHERE "
|
||
+ " AND ".join(f"{_q(name)} = ?" for name in names))
|
||
params = [pk[name] for name in names]
|
||
engine = await engines.get(view)
|
||
async with engine.connect() as conn:
|
||
result = await conn.exec_driver_sql(sql, tuple(params))
|
||
rows = [(int(r[0]), engine_mod._jsonable(r[1])) for r in result.fetchall()]
|
||
return rows, sql, params
|
||
|
||
|
||
async def rehash(view: SourceView) -> bool:
|
||
"""在线程里整份重算数据文件的 sha256，等于 view.expected_sha256 返回 True（R16 的强制重算）。
|
||
|
||
不经 EngineCache 的指纹捷径：回查的值和快照对不上时才调。EngineCache 只在首次和指纹变化时重算，原地改写同样
|
||
字节数、再还原修改时间的改动在指纹不变期间认不出（P4-SPEC 2.6）；这里强制读一遍，才能把「文件确实被改了」
|
||
和「这条 SQL 的含义与判据认定的不同」分开。文件读不出来、没有登记哈希时返回 False：核对不了就不能当没变。
|
||
"""
|
||
expected = str(view.expected_sha256 or "").strip().lower()
|
||
if not expected:
|
||
return False
|
||
try:
|
||
actual = await asyncio.to_thread(engine_mod._file_sha256, str(view.database or ""))
|
||
except OSError:
|
||
return False
|
||
return actual.lower() == expected
|
||
|
||
|
||
# --------------------------------------------------------------------------
|
||
# 2.7：关系核对的行级状态
|
||
# --------------------------------------------------------------------------
|
||
|
||
|
||
async def row_status(view: SourceView, rule: SumEqRule, snapshot_rowid: int) -> str | None:
|
||
"""这一行的关系核对「total = parts 之和」成不成立：passed / mismatch / unverifiable；判不了为 None（2.7）。
|
||
|
||
条件取自 recipe_checks.sum_eq_conditions，和导入时的核对（_check_sum_eq）是同一段代码生成的：面板说「这一天
|
||
成立」，和导入时的结论是同一个判断。先判含空值（unverifiable），再判不等（mismatch），其余 passed，与导入时
|
||
「含空值的行不参与比较、计入无法核对」一致。
|
||
|
||
snapshot_rowid 是**快照库**的 rowid（cell_source.rowid，并集时是并集 rowid），不是该期构建库的 part_rowid：
|
||
SQL 跑在快照库上。各期的行是逐字节拷进并集库的，同一个条件照样成立（P3-SPEC 2.7）。
|
||
|
||
规则里的列在快照库这张表里不存在（不该出现：关系取自格子所在那一期的配方，目标表结构只会多出退役列），或者
|
||
没有这一行时返回 None，不报错。三类数据文件异常原样抛出。
|
||
"""
|
||
_nonnull, anynull, mismatch = sum_eq_conditions(rule.total, list(rule.parts), dict(rule.types))
|
||
sql = (f"SELECT CASE WHEN {anynull} THEN 'unverifiable' WHEN {mismatch} THEN 'mismatch' ELSE 'passed' END "
|
||
f"FROM {_q(rule.table)} WHERE rowid = ?")
|
||
engine = await engines.get(view)
|
||
async with engine.connect() as conn:
|
||
present = {name_key(str(r[0])) for r in
|
||
(await conn.exec_driver_sql("SELECT name FROM pragma_table_xinfo(?)", (rule.table,))).fetchall()}
|
||
if not present or any(name_key(c) not in present for c in [rule.total, *rule.parts]):
|
||
return None
|
||
row = (await conn.exec_driver_sql(sql, (int(snapshot_rowid),))).first()
|
||
return str(row[0]) if row is not None else None
|
||
|
||
|
||
# --------------------------------------------------------------------------
|
||
# 导入记录上的当前状态（数据版本一节标「当前状态」的那几项）
|
||
# --------------------------------------------------------------------------
|
||
|
||
|
||
async def import_states(session: AsyncSession, import_ids: list[str]) -> dict[str, dict[str, Any]]:
|
||
"""各期导入记录上的当前状态：{import_id: {raw_state, purged, revoked, recipe_seq}}。
|
||
|
||
- raw_state：kept / purged / absent（table_imports.raw_state）；
|
||
- purged、revoked：StateNote{at, signed_by, reason}，没有记录为 None。清除原件、作废接受都只记在导入记录上，
|
||
不在封存范围内，界面标「当前状态」（P4-SPEC 0.2 补充 2）；
|
||
- recipe_seq：这一期配方记录的 seq（table_recipes.seq，经 table_imports.recipe_id 找），取不到为 None。
|
||
|
||
找不到的 import_id 不出现在结果里（调用方按 None 处理）。只取需要的几列：导入记录上还有核对摘要等大字段。
|
||
"""
|
||
ids = [str(i) for i in dict.fromkeys(import_ids) if i]
|
||
if not ids:
|
||
return {}
|
||
rows = (await session.execute(
|
||
select(TableImport.id, TableImport.raw_state, TableImport.purged, TableImport.revoked, TableImport.recipe_id)
|
||
.where(TableImport.id.in_(ids)))).all()
|
||
recipe_ids = sorted({str(r.recipe_id) for r in rows if r.recipe_id})
|
||
seqs: dict[str, int] = {}
|
||
if recipe_ids:
|
||
seqs = {str(rid): int(seq) for rid, seq in (await session.execute(
|
||
select(TableRecipe.id, TableRecipe.seq).where(TableRecipe.id.in_(recipe_ids)))).all()}
|
||
return {str(r.id): {
|
||
"raw_state": r.raw_state or None,
|
||
"purged": _note(r.purged),
|
||
"revoked": _note(r.revoked),
|
||
"recipe_seq": seqs.get(str(r.recipe_id)) if r.recipe_id else None,
|
||
} for r in rows}
|
||
|
||
|
||
def _note(record: Any) -> StateNote | None:
|
||
"""table_imports.purged / revoked 的记录 {at, reason, signed_by, …} → StateNote；空的、不是 dict 的为 None。"""
|
||
if not isinstance(record, dict) or not record:
|
||
return None
|
||
|
||
def text(key: str) -> str | None:
|
||
value = record.get(key)
|
||
return str(value) if value not in (None, "") else None
|
||
|
||
return StateNote(at=text("at"), signed_by=text("signed_by"), reason=text("reason"))
|