rippy/docker/api/rohdaten.py

"""Wo liegen die Roh-MKVs eines Jobs? — Suchen statt annehmen.

## Der Fund, der dieses Modul nötig gemacht hat (26.07.2026, live gemessen)

Job `95afdc89` stand auf `failed`, und im Ablageziel lagen **79,6 GB** intakter
Rohschnitt (`/app/media/rippy/95afdc89-…/title_t00.mkv`). Der SAVEPOINT v3.16
schrieb dazu: „→ ‚Neu komprimieren' genügt, kein Neu-Rip". Die Gegenprobe an der
laufenden Instanz sagt: **`can_retry` war `false`** — den Knopf gab es gar nicht.

Ursache: `_kann_neu_komprimieren` suchte an genau zwei Orten — im
Container-Standard `/app/temp/raw/<id>` und unter dem AKTUELLEN Wert der
Einstellung `workDir`. Der Rip war aber mit einer Wahl *für diesen einen Rip*
auf die NAS gelegt worden (das gibt es seit v3.15 im Rip-Dialog), und die
Einstellung selbst stand auf leer. Damit zeigte nichts mehr auf die Datei:

    workDir (Einstellung)  = ""           → geprüft wurde nur /app/temp/raw
    tatsächlicher Ort      = /app/media/rippy/<id>
    Ergebnis               → 75 GB unsichtbar, Neu-Rip scheinbar unvermeidlich

Das ist derselbe Fehler, der dieses Projekt schon mehrfach gekostet hat: aus
einem Zustandswert (der heutigen Einstellung) auf einen Mechanismus (wohin
damals gerippt wurde) geschlossen, statt nachzusehen.

## Warum gesucht und nicht gespeichert wird

Den Ort in die Job-Zeile zu schreiben wäre sauberer — aber die jobs-Tabelle
bräuchte eine neue Spalte, und `create_all` legt nur fehlende TABELLEN an, keine
fehlenden Spalten. Eine Migration für einen Suchraum von einer Handvoll
Verzeichnissen ist das falsche Werkzeug, und Bestandsjobs (genau der Fall hier)
hätten den Wert ohnehin nicht.

Der Suchraum ist nämlich klein und geschlossen: `_arbeitsverzeichnis()` im Worker
lässt ausschließlich den Container-Standard oder einen Pfad UNTER `/app/media`
zu. Es genügt also, `/app/temp/raw/<id>` und `<jedes Speicherziel>/<id>`
anzusehen — die oberste Ebene von `/app/media`, ohne Rekursion.

Verwechslungsgefahr gibt es dabei nicht: Roh-Verzeichnisse heißen exakt wie die
Job-ID (vollständige UUID), fertige Ablagen heißen `Titel (Jahr) [kurz-id]`.
"""

import posixpath
import subprocess

# Container-Standard für Roh-Rips (RAW_DIR im Worker). Bleibt als Rueckfall
# stehen — die WURZELN dieses Betriebs liefert `wurzeln()`.
RAW_STANDARD = "/app/temp/raw"
MEDIA_ROOT = "/app/media"


def wurzeln(werte=None) -> tuple:
    """`(roh_standard, medien_wurzel, frei)` fuer DIESEN Betrieb.

    ## Warum das nicht fest sein darf (Befund 29.08.2026)

    Dieses Modul findet die Rohdaten eines Jobs wieder — fuer den
    Wiederholen-Dialog („auf der Platte liegen X GB Rohdaten") und fuer
    „Rohdaten mitloeschen". Es suchte fest unter `/app/temp/raw` und
    `/app/media`.

    Auf einem Windows-PC gibt es beides nicht. Also fand es NIE etwas: Der
    Dialog meldete „keine Rohdaten", das Aufraeumen loeschte nichts, und die
    Bruchstuecke eines abgebrochenen Rips blieben unbemerkt liegen — bei einer
    4K-UHD bis zu 100 GB.
    """
    from rippy import betrieb, config

    if werte is None:
        try:
            werte = config.laden()
        except Exception:                            # noqa: BLE001
            werte = {}
    return (betrieb.arbeits_vorgabe(werte) or RAW_STANDARD,
            betrieb.medien_wurzel(werte) or MEDIA_ROOT,
            betrieb.frei_blaettern(werte))

# Harte Obergrenze für EINE Verzeichnis-Prüfung. Siehe verzeichnis_da().
PRUEF_TIMEOUT_SEKUNDEN = 4


def kandidaten(job_id: str, work_dir: str, media_unterordner,
               orte_wurzeln=None) -> list:
    """Alle Orte, an denen die Roh-MKVs dieses Jobs liegen KÖNNTEN (pure).

    `media_unterordner` sind die Namen der obersten Ebene unter /app/media
    (Ablageziele inkl. eingehängter Freigaben) — die Liste kommt vom Aufrufer,
    damit diese Funktion ohne Dateisystem testbar bleibt.

    Reihenfolge: Container-Standard, dann die eingestellte Wahl, dann alle
    Ablageziele. Doppelte fliegen raus, die Reihenfolge bleibt stabil.

    posixpath, nicht os.path: Das sind Container-Pfade. os.path.join baut unter
    Windows Backslashes daraus, und dann greift keine Prüfung mehr — dieselbe
    Falle wie bei `_zielbasis()` (v3.14) und `_mountpoint()` (26.07.2026).
    """
    if not job_id:
        return []
    roh, medien, frei = orte_wurzeln or (RAW_STANDARD, MEDIA_ROOT, False)
    from rippy import pfade

    orte = [pfade.verbinden(roh, job_id)]
    wahl = (work_dir or "").strip().rstrip("/\\")
    # Nativ zaehlt jede Wahl — dort liegt der Arbeitsordner oft auf einem
    # ganz anderen Laufwerk und damit unter gar keiner Wurzel.
    if wahl and (frei or wahl == medien or wahl.startswith(medien + "/")):
        orte.append(pfade.verbinden(wahl, job_id))
    for name in media_unterordner or []:
        if name:
            orte.append(pfade.verbinden(pfade.verbinden(medien, name), job_id))
    gesehen, eindeutig = set(), []
    for ort in orte:
        if ort not in gesehen:
            gesehen.add(ort)
            eindeutig.append(ort)
    return eindeutig


def pruefen(pfad: str, laufen=None) -> str:
    """Gibt es dieses Verzeichnis? „da" | „weg" | „unklar" — mit HARTER Zeitgrenze.

    Drei Antworten statt zwei, weil „ich konnte nicht nachsehen" etwas anderes
    ist als „es ist nicht da". Gemessen am 26.07.2026: Nach einem
    Container-Neustart stallt der ERSTE Zugriff auf die CIFS-Freigabe mehrere
    Sekunden (die SMB-Sitzung wird neu aufgebaut), danach antwortet sie in
    0,01 s — zehn von zehn Versuchen. Ohne die Unterscheidung verschwindet in
    diesem Fenster der Knopf „Neu komprimieren", und der Nutzer schließt daraus,
    seine 74 GB seien weg. Genau diese Sorte Fehlschluss hat das Projekt schon
    zweimal bezahlt.

    Begründung der Technik siehe verzeichnis_da.
    """
    if not pfad:
        return "weg"
    starten = laufen or subprocess.run
    try:
        ergebnis = starten(
            ["timeout", str(PRUEF_TIMEOUT_SEKUNDEN), "ls", "-d", pfad],
            capture_output=True,
            timeout=PRUEF_TIMEOUT_SEKUNDEN + 2,
        )
    except (OSError, subprocess.TimeoutExpired):
        return "unklar"
    if ergebnis.returncode == 0:
        return "da"
    # 124 ist der Rückgabewert von `timeout`, wenn es das Kind abgeschossen hat
    # (dokumentiert in coreutils). Das heißt: nicht angesehen, nicht „weg".
    return "unklar" if ergebnis.returncode == 124 else "weg"


def verzeichnis_da(pfad: str, laufen=None) -> bool:
    """Gibt es dieses Verzeichnis? — mit HARTER Zeitgrenze.

    ## Warum nicht os.path.isdir

    Weil es an einem Netz-Mount unbegrenzt hängen kann, und zwar im Kernel
    (Prozess-Zustand D, „uninterruptible sleep"). Genau das ist am 26.07.2026
    passiert: Die Hintergrund-Schleife startete ihren ersten Durchlauf, während
    Rippy die CIFS-Freigabe nach einem Container-Neustart neu einhängte. Ihr
    `os.path.isdir` blieb stecken, `asyncio.to_thread` kam nie zurück, die
    Schleife erreichte ihr `sleep` nie — und war damit für immer tot. Sichtbar
    war nur, dass `can_retry` dauerhaft `false` blieb; zwei Threads standen im
    Zustand D.

    Ein Timeout um den Aufruf hätte nichts geholfen: Ein im Kernel hängender
    Thread lässt sich aus Python nicht abbrechen, jeder Versuch hätte einen
    weiteren Thread verbrannt, bis der Pool leer ist.

    Ein Kind-PROZESS lässt sich abbrechen. Deshalb `timeout N ls -d <pfad>` —
    dasselbe Werkzeug, das `mounts.ist_erreichbar` seit dem 24.07.2026 für
    genau dieses Problem benutzt (dort für den toten NAS-Mount). Läuft es in
    die Zeitgrenze, gilt das Verzeichnis als „nicht da": Ein Ort, den man nicht
    innerhalb von Sekunden ansehen kann, ist für einen Rip ohnehin unbrauchbar.

    `laufen` ist einspritzbar, damit das ohne echte Prozesse testbar bleibt.

    Für den Fall „konnte nicht nachsehen" gibt es `pruefen()` mit drei
    Antworten. Hier gilt nur „da" als ja — wer eine Ja/Nein-Antwort braucht,
    soll im Zweifel Nein bekommen.
    """
    return pruefen(pfad, laufen) == "da"


def suche(job_id: str, work_dir: str, listdir, isdir,
          orte_wurzeln=None) -> list:
    """Die Orte, an denen wirklich etwas liegt.

    `listdir` und `isdir` werden übergeben statt importiert — so ist die Suche
    ohne Dateisystem prüfbar. Für `isdir` gehört `verzeichnis_da` eingesetzt und
    NICHT os.path.isdir: Die Kandidaten liegen unter /app/media, und dort kann
    ein Netz-Mount unbegrenzt hängen (Begründung bei verzeichnis_da).

    `listdir` darf os.listdir bleiben: Gelistet wird nur /app/media selbst, und
    das ist ein lokales Verzeichnis — die Freigaben sind Unterordner davon.
    """
    orte_wurzeln = orte_wurzeln or wurzeln()
    try:
        unterordner = sorted(listdir(orte_wurzeln[1]))
    except OSError:
        unterordner = []
    gefunden = []
    for ort in kandidaten(job_id, work_dir, unterordner, orte_wurzeln):
        try:
            if isdir(ort):
                gefunden.append(ort)
        except OSError:
            # Toter Mount → als „nicht da" werten. Ein Fehlschlag hier darf die
            # Job-Liste nicht mitnehmen (Befund 24.07. bei /storage-targets).
            continue
    return gefunden


def suche_mit_status(job_id: str, work_dir: str, listdir, pruefer=None,
                     orte_wurzeln=None) -> dict:
    """Wie suche(), aber sagt auch, ob etwas UNGEPRÜFT geblieben ist.

    Rückgabe: {"pfade": [...], "unklar": bool}. `unklar` heißt: Mindestens ein
    Ort hat nicht geantwortet — ein leeres `pfade` ist dann kein Beweis für
    „nichts da". Der Aufrufer soll in diesem Fall seine letzte bekannte Antwort
    behalten, statt Abwesenheit zu behaupten (siehe pruefen()).
    """
    pruefe = pruefer or pruefen
    orte_wurzeln = orte_wurzeln or wurzeln()
    try:
        unterordner = sorted(listdir(orte_wurzeln[1]))
    except OSError:
        unterordner = []
    gefunden, unklar = [], False
    for ort in kandidaten(job_id, work_dir, unterordner, orte_wurzeln):
        antwort = pruefe(ort)
        if antwort == "da":
            gefunden.append(ort)
        elif antwort == "unklar":
            unklar = True
    return {"pfade": gefunden, "unklar": unklar}


def groesse(pfade: list, listdir, isfile, getsize) -> tuple:
    """(Bytes, Dateizahl) der Roh-Dateien — flach, nicht rekursiv.

    Flach genügt: MakeMKV legt die Titel als `title_tNN.mkv` direkt in das
    Job-Verzeichnis, Unterordner entstehen dort nicht.
    """
    bytes_gesamt, dateien = 0, 0
    for pfad in pfade or []:
        try:
            namen = listdir(pfad)
        except OSError:
            continue
        for name in namen:
            voll = posixpath.join(pfad, name)
            try:
                if isfile(voll):
                    bytes_gesamt += getsize(voll)
                    dateien += 1
            except OSError:
                continue
    return bytes_gesamt, dateien