Zareian
feaa5eb540
Postgres here allows 60 connections, but each of the 96 gunicorn threads held its own persistent one: at 100 concurrent users (local Postgres with the same limit) 21% of requests were 500 "remaining connection slots are reserved". Now each worker has a psycopg pool (8), so the same load gives 0 errors and 714 req/s (was 460). - A full pool answers 503 + Retry-After (DRF handler and middleware), not 500. - The AI tutor and the OTP SMS call return their connection before the network wait. - statement_timeout 30 s, idle-in-transaction 60 s; bad pool settings and the old DB_CONN_MAX_AGE stop startup instead of failing every request. - /api/health dbPool: per-worker pool stats and workers x pool + 6 vs max_connections. - Indexes on the columns global counters filter by time (weekly leaderboard, global SMS cap, global AI cap); the leaderboard recomputes once per expiry. - Worker count moves into gunicorn.conf.py (4 on a shared 8-core box). - security doc: Redis item closed (server uses our own Redis since 2026-10-08). Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
111 lines
7.0 KiB
Python
111 lines
7.0 KiB
Python
from django.db import models
|
||
|
||
|
||
class Conversation(models.Model):
|
||
user_id = models.IntegerField(db_index=True) # ارجاع سبک به accounts.User
|
||
lesson_id = models.IntegerField(null=True, blank=True) # ارجاع سبک به content.Lesson
|
||
chapter_id = models.IntegerField(null=True, blank=True) # شناسه‌ی فصل RAG (خارج از content/)
|
||
grade_id = models.IntegerField(null=True, blank=True) # ارجاع سبک به content.Grade
|
||
# metadataِ retrieval برای لایه‌ی RAG (اپ rag): نامِ درس (رشته) و
|
||
# شماره‌ی درس. اولین بار از بدنه‌ی POST /api/ai/ask می‌آن و اینجا ذخیره
|
||
# می‌شن تا ادامه‌ی همون مکالمه دوباره لازم نباشه فرستاده بشن. نامِ
|
||
# collectionِ Qdrant از روی subject + عنوانِ گرید ساخته می‌شه.
|
||
subject = models.CharField(max_length=100, blank=True, default='')
|
||
lesson_number = models.IntegerField(null=True, blank=True)
|
||
created_at = models.DateTimeField(auto_now_add=True)
|
||
|
||
def __str__(self):
|
||
return f"conv-{self.pk}-user{self.user_id}"
|
||
|
||
|
||
class Message(models.Model):
|
||
ROLE_CHOICES = [('user', 'کاربر'), ('assistant', 'دستیار')]
|
||
|
||
conversation = models.ForeignKey(Conversation, on_delete=models.CASCADE, related_name='messages')
|
||
role = models.CharField(max_length=10, choices=ROLE_CHOICES)
|
||
text = models.TextField()
|
||
question_id = models.IntegerField(null=True, blank=True) # ارجاع سبک به content.Question
|
||
# فقط برای پیامِ کاربر: این سوال از کجا پرداخت شد. «free» از سهمیه‌ی روزانه، «credit» از
|
||
# اعتبارِ بسته (subscription.QuestionCredit)، «none» هیچ (رد در صافیِ سرور یا جوابِ کش‌شده که
|
||
# به API نرسید). سهمیه‌ی رایگانِ امروز = تعدادِ «free»های امروز.
|
||
CHARGE_CHOICES = [('free', 'رایگانِ روزانه'), ('credit', 'اعتبارِ بسته'), ('none', 'بی‌هزینه')]
|
||
charge = models.CharField(max_length=6, choices=CHARGE_CHOICES, blank=True, default='')
|
||
# ایندکس: سقفِ روزانه‌ی کلِ سامانه (_check_global_daily_cap) در هر سوال پیام‌های امروزِ همه را
|
||
# می‌شمارد؛ این سریع‌ترین جدولِ در حالِ رشد است.
|
||
created_at = models.DateTimeField(auto_now_add=True, db_index=True)
|
||
|
||
# --- حاشیه‌نویسیِ تولید (فقط برای پیام‌های role='assistant') --------------
|
||
# سینیور خواست لایک/دیسلایک بعداً قابلِ تحلیل باشد: «کدام جواب بهتر بوده».
|
||
# فیدبکِ خالی (یک بولین) این را نمی‌گوید — باید بدانیم آن جوابِ خاص با کدام
|
||
# مدل، کدام نسخه‌ی پرامپت و با چه context ای ساخته شده بود. این فیلدها
|
||
# هنگامِ تولید پر می‌شوند، نه هنگامِ فیدبک، تا همه‌ی پاسخ‌ها (حتی آن‌هایی که
|
||
# کسی رأی نداده) قابلِ مقایسه بمانند.
|
||
model_name = models.CharField(max_length=100, blank=True)
|
||
prompt_version = models.CharField(max_length=50, blank=True, db_index=True)
|
||
grade_title = models.CharField(max_length=50, blank=True)
|
||
retrieval_collection = models.CharField(max_length=200, blank=True)
|
||
retrieval_filter_value = models.CharField(max_length=255, blank=True)
|
||
chunk_count = models.PositiveSmallIntegerField(default=0)
|
||
prompt_tokens = models.PositiveIntegerField(default=0)
|
||
completion_tokens = models.PositiveIntegerField(default=0)
|
||
latency_ms = models.PositiveIntegerField(default=0)
|
||
from_cache = models.BooleanField(default=False)
|
||
# شکلِ پاسخ (rag.services.diagram)؛ فقط توصیفِ JSONِ اعتبارسنجی‌شده، نه SVG.
|
||
diagram = models.JSONField(null=True, blank=True)
|
||
|
||
class Meta:
|
||
ordering = ['created_at']
|
||
|
||
def __str__(self):
|
||
return f"msg-{self.pk}-{self.role}"
|
||
|
||
|
||
class MessageFeedback(models.Model):
|
||
message = models.OneToOneField(Message, on_delete=models.CASCADE, related_name='feedback')
|
||
is_helpful = models.BooleanField()
|
||
# دلیلِ اختیاریِ کاربر. «چرا بد بود» تنها چیزی‌ست که از خودِ عدد درنمی‌آید
|
||
# و برای بهترکردنِ پرامپت واقعاً به کار می‌آید.
|
||
reason = models.CharField(max_length=300, blank=True)
|
||
created_at = models.DateTimeField(auto_now_add=True, null=True)
|
||
updated_at = models.DateTimeField(auto_now=True, null=True)
|
||
|
||
def __str__(self):
|
||
return f"feedback-msg{self.message_id}"
|
||
|
||
|
||
class AskIdempotency(models.Model):
|
||
"""
|
||
⚛️🔒 اصلاح idempotency برای POST /api/ai/ask (همون الگویی که
|
||
UserAnswer.idempotency_key/UserLessonCompletion.idempotency_key در
|
||
content و Order.idempotency_key در payment دارن): چون نتیجه‌ی هر
|
||
«سوال» شاملِ دو ردیفِ Message (کاربر + دستیار) و مصرفِ یک اسلاتِ
|
||
کوتای روزانه‌ست (نه یک ردیفِ تکی مثلِ UserAnswer)، این رکورد پل بین
|
||
(user, Idempotency-Key) و نتیجه‌ی از قبل ساخته‌شده رو نگه می‌داره تا
|
||
رتری/دابل‌کلیکِ همون کلید، دوباره پیام یا کوتای تکراری نسازه و به‌جاش
|
||
نتیجه‌ی همون درخواستِ قبلی برگردونده بشه. UniqueConstraint سطح DB روی
|
||
(user_id, idempotency_key) هم دفاع در عمق در برابر دو submit هم‌زمانِ
|
||
دقیقاً با همون کلیده (مشابه uniq_user_answer_idempotency_key).
|
||
"""
|
||
user_id = models.IntegerField(db_index=True)
|
||
idempotency_key = models.CharField(max_length=100)
|
||
conversation = models.ForeignKey(Conversation, on_delete=models.CASCADE, related_name='+')
|
||
user_message = models.ForeignKey(Message, on_delete=models.CASCADE, related_name='+')
|
||
assistant_message = models.ForeignKey(Message, on_delete=models.CASCADE, related_name='+')
|
||
# ذخیره می‌شه تا replayِ idempotent بتونه بدونِ فراخوانیِ دوباره‌ی
|
||
# generate_tutor_answer همون مقدارِ اصلی رو برگردونه — وقتی provider
|
||
# واقعی جایگزینِ stub بشه، هر replay یعنی هزینه/تأخیرِ تکراری و
|
||
# follow-upهای متفاوت در هر retry، برخلافِ هدفِ idempotency.
|
||
suggested_follow_ups = models.JSONField(default=list)
|
||
created_at = models.DateTimeField(auto_now_add=True)
|
||
|
||
class Meta:
|
||
constraints = [
|
||
models.UniqueConstraint(
|
||
fields=['user_id', 'idempotency_key'],
|
||
name='uniq_ask_idempotency_key',
|
||
),
|
||
]
|
||
|
||
def __str__(self):
|
||
return f"ask-idem-user{self.user_id}-{self.idempotency_key}"
|