feat(reports): stabilize on-demand generation, live presence and 1C fallback

services/scud_etl/svodka_generator.py

@@ -12,7 +12,7 @@ import pandas as pd
 
 from config import DATE_TODAY
 from core.database import load_scud_from_db_by_snapshot
-from services.scud_etl.pipeline import load_1c_files_for_date
+from services.scud_etl.pipeline import load_best_snapshot_for_date, load_1c_files_for_date
 from services.scud_etl.merger import merge_scud_and_1c, calculate_summary_metrics
 from services.scud_etl.anomaly_detector import detect_registry_anomalies
 from services.snapshots.finder import find_or_create_snapshot_for_time
@@ -27,37 +27,46 @@ def generate_svodka_service(
     snapshot_id: Optional[str] = None
 ) -> Dict[str, Any]:
     """
-    Формирует оперативную сводку на указанную дату / время:
-    - target_date: дата сводки (по умолчанию сегодня).
-    - target_time: время среза (например '14:30').
-    - snapshot_id: точный ID среза.
+    Формирует оперативную сводку:
+    - По умолчанию берет ПОСЛЕДНИЙ готовый снапшот из базы SQLite (без долгого опроса MS SQL).
     """
     date_clean = str(target_date or DATE_TODAY).replace('_', '.')
     applied_note = ""
 
-    # Если передано время, но не указан конкретный snapshot_id — ищем ближайший или запрашиваем экспорт
-    if target_time and not snapshot_id:
-        found_id, note = find_or_create_snapshot_for_time(date_clean, target_time, allow_ondemand_export=True)
-        snapshot_id = found_id
+    # 1. Загрузка среза СКУД строго из готовых в базе
+    if snapshot_id:
+        df_scud = load_scud_from_db_by_snapshot(date_clean, snapshot_param=snapshot_id)
+    elif target_time:
+        found_id, note = find_or_create_snapshot_for_time(date_clean, target_time, allow_ondemand_export=False)
         applied_note = note
-        if note:
-            logger.info(note)
+        df_scud = load_scud_from_db_by_snapshot(date_clean, snapshot_param=found_id)
+    else:
+        # По умолчанию: берем самый свежий существующий срез за дату
+        df_scud = load_best_snapshot_for_date(date_clean, prefer_final_y=False)
 
-    df_scud = load_scud_from_db_by_snapshot(date_clean, snapshot_param=snapshot_id)
     if df_scud is None or df_scud.empty:
         return {
             "status": "error",
-            "message": f"Срез СКУД за {date_clean} ({applied_note or snapshot_id or 'последний доступный'}) не найден в базе."
+            "message": f"Срез СКУД за {date_clean} не найден в базе данных."
         }
 
+    # Извлекаем время фактического среза для имени файла
+    actual_snap_time = ""
+    if 'snapshot_time' in df_scud.columns and not df_scud.empty:
+        raw_st = str(df_scud['snapshot_time'].iloc[0]).strip()
+        if " " in raw_st:
+            actual_snap_time = raw_st.split()[1][:5].replace(':', '-')
+
+    # 2. Загружаем актуальные кадровые данные 1С (штат + отсутствия + реестры)
     df_staff, df_abs = load_1c_files_for_date(date_clean)
 
+    # 3. Слияние и расчет
     df_merged = merge_scud_and_1c(df_scud, df_staff, df_abs)
     metrics = calculate_summary_metrics(df_merged)
     anomalies = detect_registry_anomalies(df_merged, df_raw_scud=df_scud)
 
-    # Добавляем суффикс времени в имя файла, если сводка строилась на точный срез
-    time_suffix = f" на {target_time.replace(':', '-')}" if target_time else ""
+    # 4. Формирование книги Excel
+    time_suffix = f" на {actual_snap_time}" if actual_snap_time else ""
     filename = f"{format_date_ru(date_clean)} сводка{time_suffix}.xlsx"
     generate_summary_excel(df_merged, date_str=date_clean, filename=filename)
 
@@ -68,13 +77,13 @@ def generate_svodka_service(
         "status": "success",
         "report_type": "SVODKA",
         "date": date_clean,
-        "target_time": target_time,
-        "snapshot_id": snapshot_id or "AUTO_LATEST",
+        "target_time": actual_snap_time,
+        "snapshot_id": snapshot_id or "LATEST_READY",
         "filename": filename,
         "filepath": full_filepath,
         "download_url": f"/api/v1/files/download/reports/{os.path.basename(full_filepath)}",
         "metrics": metrics,
         "anomalies_count": len(anomalies),
         "note": applied_note,
-        "message": f"Ежедневная сводка на {date_clean} {target_time or ''} успешно сформирована."
+        "message": f"Ежедневная сводка на {date_clean} успешно сформирована."
     }