import time
from sqlalchemy import insert, text
from sqlalchemy.orm import Session

# --- Niveau 1 : Core insert() par lot -- bon compromis simplicité/performance ---
with SessionLocal() as session:
    session.execute(insert(Produit), [{"nom": f"P{i}", "prix": 1.0} for i in range(100_000)])
    session.commit()

# --- Niveau 2 : découper en chunks pour limiter la mémoire et la taille des transactions ---
def inserer_par_lots(session: Session, lignes: list[dict], taille_lot: int = 5000):
    for i in range(0, len(lignes), taille_lot):
        lot = lignes[i : i + taille_lot]
        session.execute(insert(Produit), lot)
        session.commit()   # committer par lot évite une transaction géante et des verrous prolongés

# --- Niveau 3 : bulk_insert_mappings -- contourne encore plus le tracking ORM que Core insert() ---
with SessionLocal() as session:
    session.bulk_insert_mappings(
        Produit,
        [{"nom": f"P{i}", "prix": 1.0} for i in range(100_000)],
    )
    session.commit()
# Contrepartie : pas de RETURNING automatique, pas d'événements ORM (before_insert...), pas de relations

# --- Niveau 4 : COPY -- le plus rapide sur PostgreSQL, contourne le protocole INSERT ligne par ligne ---
def inserer_via_copy(session: Session, chemin_csv: str):
    connexion_brute = session.connection().connection   # connexion DBAPI sous-jacente (psycopg)
    with connexion_brute.cursor() as curseur:
        with open(chemin_csv, "r", encoding="utf-8") as f:
            curseur.copy_expert(
                "COPY produits (nom, prix) FROM STDIN WITH (FORMAT CSV, HEADER TRUE)", f
            )
    session.commit()
# COPY peut être 10 à 50x plus rapide que des INSERT unitaires sur de très gros volumes

# --- Désactiver temporairement les triggers pendant un import massif contrôlé ---
def import_massif_optimise(session: Session, lignes: list[dict]):
    session.execute(text("ALTER TABLE produits DISABLE TRIGGER ALL"))  # PostgreSQL
    try:
        session.bulk_insert_mappings(Produit, lignes)
        session.commit()
    finally:
        session.execute(text("ALTER TABLE produits ENABLE TRIGGER ALL"))
        session.commit()

# --- Benchmark comparatif (ordre de grandeur, dépend fortement du matériel) ---
def comparer_methodes(n: int = 50_000) -> dict[str, float]:
    resultats = {}

    debut = time.perf_counter()
    with SessionLocal() as session:
        for i in range(n):
            session.add(Produit(nom=f"A{i}", prix=1.0))   # 1 objet ORM tracké individuellement
        session.commit()
    resultats["orm_naif"] = time.perf_counter() - debut          # référence, généralement le plus lent

    debut = time.perf_counter()
    with SessionLocal() as session:
        session.execute(insert(Produit), [{"nom": f"B{i}", "prix": 1.0} for i in range(n)])
        session.commit()
    resultats["core_insert"] = time.perf_counter() - debut       # souvent 5-20x plus rapide

    return resultats
# Ordre de grandeur typique, du plus lent au plus rapide :
# ORM naïf (session.add un par un) > bulk_insert_mappings > Core insert() > COPY

# bulk_update_mappings : équivalent en masse pour des mises à jour avec des valeurs différentes par ligne
with SessionLocal() as session:
    session.bulk_update_mappings(
        Produit,
        [{"id": 1, "prix": 12.5}, {"id": 2, "prix": 8.0}, {"id": 3, "prix": 45.0}],
    )
    session.commit()