from rest_framework import viewsets, permissions, status
from rest_framework.response import Response
from rest_framework.decorators import action
from django.db.models import Avg, Count, Q
from django.utils import timezone
from datetime import timedelta

from api.models import InferenceAuditLog
from api.serializers.audit_serializer import InferenceAuditLogSerializer
from permissions.permission_classes import IsAdminOrManager # ใช้สิทธิ์เดียวกันกับ Model Registry

class AuditLogViewSet(viewsets.ReadOnlyModelViewSet):
    """
    API สำหรับการเข้าถึง Inference Audit Log และสถิติรวม
    """
    queryset = InferenceAuditLog.objects.all()
    serializer_class = InferenceAuditLogSerializer
    permission_classes = [permissions.IsAuthenticated] # อนุญาตให้เข้าถึงเมื่อล็อกอินแล้ว

    # ใช้ 'id' เป็นฟิลด์ค้นหา
    lookup_field = 'id'

    # ใช้ 'id' เป็นชื่อพารามิเตอร์ใน URL
    lookup_url_kwarg = 'id'

    def retrieve(self, request, *args, **kwargs):
        # บังคับให้ Lookup Key (pk) เป็น String
        kwargs[self.lookup_url_kwarg] = str(kwargs[self.lookup_url_kwarg])

        return super().retrieve(request, *args, **kwargs)

    def get_queryset(self):
        # คืน Log ล่าสุด 10 รายการ (สำหรับ Recent Events ใน Dashboard)
        return self.queryset.select_related('user')[:10]

    # -----------------------------------------------
    # Custom Action: ดึงสถิติรวมสำหรับ Dashboard
    # Endpoint: GET /api/v1/audit/inference-summary/
    # -----------------------------------------------
    @action(detail=False, methods=['get'], url_path='inference-summary')
    def get_summary(self, request):
        one_day_ago = timezone.now() - timedelta(hours=24)

        # 1. คำนวณสถิติรวม (Global Metrics)
        metrics = self.queryset.filter(timestamp__gte=one_day_ago).aggregate(
            total_runs=Count('id'),
            success_count=Count('id', filter=Q(is_success=True)),
            avg_latency_ms=Avg('latency_ms')
        )

        # 2. คำนวณ Success Rate
        total = metrics.get('total_runs', 0)
        success = metrics.get('success_count', 0)
        success_rate = (success / total) * 100 if total > 0 else 0

        return Response({
            "time_window": "24 hours",
            "total_runs": total,
            "success_rate": round(success_rate, 2),
            "avg_latency_ms": round(metrics.get('avg_latency_ms', 0) or 0, 2),
            "last_logs": InferenceAuditLogSerializer(self.get_queryset(), many=True).data
        })