-- Migration p2-001: codings fuer die fuenf Phase-2-Schichten oeffnen
--
--   psql "$DATABASE_URL" -v ON_ERROR_STOP=1 -f migrations/p2-001-codings-mehrschichtig.sql
--
-- Setzt das Ingest-Schema voraus (swp-01-ingest/schema.sql). Aendert an
-- raw_items nichts und loescht keine Zeile.
--
-- Zwei Dinge im Bestand verhindern Phase 2 vollstaendig:
--
--   unique (raw_item_id, coder_version)  - laesst genau eine Zeile je Item
--                                          und Version zu, Phase 2 braucht fuenf
--   check ebene in ('keine','quad',...)  - kennt nur die CAMEO-Ebenen aus
--                                          Phase 3, kein 'dublette'
--
-- Beides wird ersetzt, nicht ergaenzt. `ebene` traegt damit zwei Bedeutungen:
-- fuer Phase 3 die erreichte CAMEO-Ebene, fuer Phase 2 den Modulnamen.
-- Auseinander zu halten sind sie ueber coder_version (Phase 2: 'p2-...').
-- Eine eigene Spalte waere sauberer, kostet aber einen Eingriff in Phase 3,
-- die es noch nicht gibt - wenn, dann dort und dann.

begin;

alter table codings drop constraint if exists codings_raw_item_id_coder_version_key;
alter table codings drop constraint if exists codings_ebene_check;

alter table codings
    add constraint codings_uniq unique (raw_item_id, coder_version, ebene);

alter table codings
    add constraint codings_ebene_check check (ebene in (
        -- Phase 3, CAMEO
        'keine', 'quad', 'root', 'base', 'event',
        -- Phase 2, Anreicherung
        'dublette', 'akteure', 'geo', 'tonalitaet', 'embedding'
    ));

comment on column codings.ebene is
    'Phase 3: erreichte CAMEO-Ebene. Phase 2: Modulname. Trennung ueber coder_version';

create index if not exists codings_ebene_idx    on codings (ebene, kodiert_am);
create index if not exists codings_nutzlast_idx on codings using gin (nutzlast);

-- --------------------------------------------------------------------------
-- Keine Werkausschnitte in der Nutzlast.
--
-- codings ist Kandidat fuer den OpenData-Dump. Offsets und Codes duerfen
-- hinaus, Text nicht - ausser Eigennamen (Akteurs- und Ortsformen), die kurz
-- sind. 100 Zeichen ist die Grenze, unter der kein Teaser wiederherstellbar
-- ist und ueber der kein Organisationsname liegen muss.
--
-- Als Constraint, nicht als Vorsatz: Abnahmekriterium aus Abschnitt 10.
-- --------------------------------------------------------------------------
create or replace function p2_nutzlast_ohne_text(nutzlast jsonb, grenze integer default 100)
returns boolean language sql immutable parallel safe as $$
    select not exists (
        select 1
        from jsonb_path_query(nutzlast, '$.**') as wert
        where jsonb_typeof(wert) = 'string'
          and length(wert #>> '{}') > grenze
    )
$$;

comment on function p2_nutzlast_ohne_text is
    'Wahr, wenn keine Zeichenkette in der Nutzlast laenger als grenze ist';

alter table codings
    add constraint codings_kein_volltext
    check (p2_nutzlast_ohne_text(nutzlast));

-- --------------------------------------------------------------------------
-- Was hinter einem coder_version-Hash steht. Ohne diese Tabelle ist die
-- Versionierung wertlos: der Hash sagt dann nur, dass sich etwas geaendert
-- hat, nicht was.
-- --------------------------------------------------------------------------
create table if not exists coder_versionen (
    version     text        primary key,   -- 'p2-2026-09-07-a3f1b2c4'
    komponenten jsonb       not null,      -- Regelwerk, Lexika, Modelle, Quantisierung
    erstellt_am timestamptz not null default now(),
    notiz       text
);

-- --------------------------------------------------------------------------
-- Betriebsprotokoll, analog poll_laeufe. Anders als dort ist die Einheit
-- nicht die Quelle, sondern Slot und Modul: Phase 2 arbeitet itemweise ueber
-- alle Quellen hinweg.
-- --------------------------------------------------------------------------
create table if not exists p2_laeufe (
    id             bigserial   primary key,
    slot           timestamptz,            -- null im Backfill ueber den Gesamtbestand
    modul          text        not null,
    coder_version  text        not null,
    begonnen_am    timestamptz not null default now(),
    dauer_ms       integer,
    items_gesehen  integer     not null default 0,
    items_kodiert  integer     not null default 0,
    items_fehler   integer     not null default 0,
    fehler         text
);

create index if not exists p2_laeufe_slot_idx  on p2_laeufe (slot desc nulls last);
create index if not exists p2_laeufe_modul_idx on p2_laeufe (modul, begonnen_am desc);

-- --------------------------------------------------------------------------
-- Arbeitsvorrat je Schicht. `unkodiert(v)` aus dem Ingest-Schema fragt nur,
-- ob es *irgendeine* Zeile gibt, und liefert nach dem ersten Modul nichts
-- mehr zurueck.
--
--   select * from unkodiert('p2-2026-09-07-a3f1b2c4', 'akteure') limit 500;
-- --------------------------------------------------------------------------
create or replace function unkodiert(v text, schicht text)
returns setof raw_items language sql stable as $$
    select r.* from raw_items r
    where not exists (
        select 1 from codings c
        where c.raw_item_id = r.id
          and c.coder_version = v
          and c.ebene = schicht
    )
    order by r.id
$$;

-- Verwerfbarkeit (Invariante 4): der gesamte Phase-2-Bestand geht so weg.
--   delete from codings where coder_version like 'p2-%';

insert into schema_migrationen (name) values ('p2-001-codings-mehrschichtig')
on conflict (name) do nothing;

commit;