BXY0414/inventory_analytics

Fork 0

Files

T

BXY0414 58b38adc6f 调整表名

2026-05-14 12:14:23 +08:00

6.3 KiB

Raw Permalink Blame History

Inventory Analytics 重构记录与后续计划

1. 当前目标

本次整理后的工程目标是将项目收束为两条清晰链路：

委外批次库存上传：本地页面上传文件，归档原始文件，并写入 Raw PostgreSQL。
飞书库存同步：从 Analytics PostgreSQL 查询库存数据，并同步到飞书多维表格。

重构重点：

删除与当前工程目标无关的旧脚本。
将上传页入库逻辑整理为清晰的函数边界。
添加工程化日志，保证关键执行信息可追踪。
保留飞书同步原入口，并补齐入口、CLI、业务同步阶段日志。

2. 当前目录结构

inventory_analytics/
├── .env
├── PROJECT_GUIDE.md
├── REFACTOR_PLAN.md
├── upload_inventory_page.py
├── list_feishu_base_tables.py
└── inventory_sync/
    ├── __init__.py
    ├── cli.py
    ├── feishu.py
    ├── postgres.py
    ├── service.py
    ├── settings.py
    ├── specs.py
    └── sql.py

已删除旧脚本：

crud.py
base_xlsx_to_db.py
save_orders.py
session.py
tmall_orders_flow.py

3. 上传页重构结果

文件：upload_inventory_page.py

职责：

启动本地上传页面。
接收拖拽上传的 Excel/CSV 文件。
保存原始文件到 batch_inventory_data/。
读取 .env 中的 Raw 数据库配置。
创建 raw_data.wangdian_batch_inventory。
按文件行粒度写入 JSONB payload。
输出结构化日志。

关键常量：

HOST = "127.0.0.1"
PORT = 8080
UPLOAD_DIR = PROJECT_ROOT / "batch_inventory_data"
MAX_UPLOAD_BYTES = 200 * 1024 * 1024
DB_SCHEMA = "raw_data"
DB_TABLE = "wangdian_batch_inventory"
DATA_FIELD = "inventory_data"

payload 结构：

{
  "source_file": "原始文件名.xlsx",
  "stored_file": "带时间戳的归档文件名.xlsx",
  "uploaded_at": "上传时间",
  "total_count": 100,
  "inventory_data": {
    "每一行的字段": "每一行的值"
  }
}

说明：

total_count 表示本批上传文件解析出的总行数。
inventory_data 保存当前行的完整数据。
Excel 多 sheet 文件会在行数据中补充 _sheet_name。
空值会写入 JSON null。
日期类单元格会转成 ISO 字符串。

4. 飞书同步重构结果

入口文件：list_feishu_base_tables.py

模块职责：

文件	职责
`list_feishu_base_tables.py`	兼容入口、配置日志、记录启动和退出
`inventory_sync/cli.py`	解析 action、编排顶层执行、输出 JSON 结果
`inventory_sync/settings.py`	加载 `.env`，构建配置对象
`inventory_sync/postgres.py`	执行 Analytics PostgreSQL 查询
`inventory_sync/sql.py`	维护库存同步 SQL
`inventory_sync/feishu.py`	封装飞书 API
`inventory_sync/service.py`	编排品牌同步业务流程
`inventory_sync/specs.py`	维护品牌目标和字段映射

当前 action：

feishu      查看飞书 Base 表信息
postgres    查询 Analytics PostgreSQL
sync-brand  按配置同步品牌数据到飞书
all         执行完整流程

5. 日志方案

日志统一采用事件式结构：

YYYY-MM-DD HH:MM:SS LEVEL logger_name 事件=中文事件描述 中文字段=字段值 ...

上传页 logger：

inventory_upload

飞书同步 logger：

inventory_sync_entrypoint
inventory_sync.cli
inventory_sync.service

上传页关键事件：

上传服务启动中
上传服务已启动
收到GET请求
开始处理POST请求
收到上传请求
已解析上传文件
已分配上传归档路径
上传文件已保存
开始解析库存文件
已解析Excel工作表
已解析CSV文件
已加载Raw数据库配置
开始连接Raw数据库
开始确认Raw数据表
Raw数据表确认完成
开始写入Raw数据
Raw数据写入完成
上传请求处理完成
上传文件写入Raw数据库失败
上传服务已停止

飞书同步关键事件：

飞书同步入口启动
飞书同步动作开始
已加载环境变量文件
开始读取飞书Base信息
飞书Base信息读取完成
开始查询PostgreSQL
PostgreSQL查询完成
开始准备品牌同步
开始同步目标飞书表
目标飞书表已有记录读取完成
目标飞书表同步完成
飞书同步动作完成
飞书同步入口完成

6. 执行方式

启动上传页：

python3 upload_inventory_page.py

查看飞书表：

python3 list_feishu_base_tables.py --action feishu

查询 PostgreSQL：

python3 list_feishu_base_tables.py --action postgres

同步品牌数据：

python3 list_feishu_base_tables.py --action sync-brand

执行完整飞书同步：

python3 list_feishu_base_tables.py --action all

7. 配置维护

7.1 上传页 Raw 数据库配置

RAW_DB_HOST
RAW_DB_PORT
RAW_DB_USER
RAW_DB_PASSWORD
RAW_DB_NAME

7.2 飞书同步配置

FEISHU_APP_ID
FEISHU_APP_SECRET
FEISHU_BASE_URL
FEISHU_APP_TOKEN
ANALYTICS_DB_HOST
ANALYTICS_DB_PORT
ANALYTICS_DB_USER
ANALYTICS_DB_PASSWORD
ANALYTICS_DB_NAME

7.3 品牌和字段配置

品牌同步目标维护在 inventory_sync/specs.py：

BRAND_SYNC_TARGETS = [
    BrandSyncTarget(brand_name="羽心堂", table_name="羽心堂渠道库存-9：30和20：00", warehouse_keys=(2, 3, 7, 13)),
]

字段映射维护在 FIELD_SPECS：

FieldSpec("飞书字段名", "SQL 输出字段名", field_type, formatter, scale)

8. 验证命令

语法检查：

python3 -m py_compile upload_inventory_page.py list_feishu_base_tables.py inventory_sync/*.py

帮助信息：

python3 list_feishu_base_tables.py --help

端口检查：

lsof -nP -iTCP:8080 -sTCP:LISTEN

9. 后续计划

为上传页增加 dry-run 或预览模式，只解析文件不写库。
为上传页增加重复文件或重复批次检测。
为 Raw 表增加按 stored_file 或 uploaded_at 的查询辅助索引。
为飞书同步增加 dry-run，预览删除和新增数量。
为飞书同步增加 upsert 模式，降低全量删除带来的风险。
增加单元测试，覆盖文件解析、payload 构造、字段映射、数字转换。
将日志接入文件轮转或统一日志采集系统。
将运行命令接入 Makefile 或任务脚本，减少人工输入成本。

6.3 KiB Raw Permalink Blame History Unescape Escape