feat: report indexing progress with page counts in status panel
This commit is contained in:
1 parent
8f79993646
commit
b3f8019e01
7 files changed
+156
-13
No files matched your search
+68
-13
@@ -38,6 +38,9 @@ class IndexStatus:
|
||||
model: str = ""
|
||||
last_indexed_at: str | None = None
|
||||
errors: list[str] = field(default_factory=list)
|
||||
pages_processed: int = 0
|
||||
pages_total: int = 0
|
||||
current_file: str | None = None
|
||||
|
||||
|
||||
@dataclass
|
||||
@@ -78,6 +81,10 @@ class Indexer:
|
||||
self._lock = threading.Lock()
|
||||
self._last_indexed_at: str | None = None
|
||||
self._errors: list[str] = []
|
||||
self._indexing = False
|
||||
self._pages_processed = 0
|
||||
self._pages_total = 0
|
||||
self._current_file: str | None = None
|
||||
self._load_manifest()
|
||||
|
||||
# ------------------------------------------------------------------ #
|
||||
@@ -154,6 +161,21 @@ class Indexer:
|
||||
# Indexação
|
||||
# ------------------------------------------------------------------ #
|
||||
|
||||
def mark_indexing(self) -> None:
|
||||
"""Sinaliza que uma indexação está em andamento."""
|
||||
self._indexing = True
|
||||
self._pages_processed = 0
|
||||
self._pages_total = 0
|
||||
self._current_file = None
|
||||
|
||||
def report_progress(
|
||||
self, pdf_name: str, pages_done: int, pages_total: int
|
||||
) -> None:
|
||||
"""Registra o progresso da extração de um arquivo."""
|
||||
self._current_file = pdf_name
|
||||
self._pages_processed = pages_done
|
||||
self._pages_total = pages_total
|
||||
|
||||
def discover_pdfs(self) -> list[Path]:
|
||||
"""Lista os PDFs do diretório configurado, ordenados por nome."""
|
||||
directory = self.settings.pdf_dir
|
||||
@@ -165,20 +187,25 @@ class Indexer:
|
||||
"""Indexa os PDFs novos ou alterados."""
|
||||
with self._lock:
|
||||
self._errors = []
|
||||
self.mark_indexing()
|
||||
pdfs = self.discover_pdfs()
|
||||
|
||||
for pdf in pdfs:
|
||||
try:
|
||||
self._index_file(pdf, force=force)
|
||||
except Exception as exc: # pragma: no cover - falha inesperada
|
||||
logger.exception("Falha ao indexar %s", pdf.name)
|
||||
self._manifest[pdf.name] = _ManifestEntry(
|
||||
sha256="", state=STATE_ERROR, indexed_at=_now()
|
||||
)
|
||||
self._errors.append(f"{pdf.name}: {exc}")
|
||||
try:
|
||||
for pdf in pdfs:
|
||||
try:
|
||||
self._index_file(pdf, force=force)
|
||||
except Exception as exc: # pragma: no cover - falha inesperada
|
||||
logger.exception("Falha ao indexar %s", pdf.name)
|
||||
self._manifest[pdf.name] = _ManifestEntry(
|
||||
sha256="", state=STATE_ERROR, indexed_at=_now()
|
||||
)
|
||||
self._errors.append(f"{pdf.name}: {exc}")
|
||||
|
||||
self._save_manifest()
|
||||
self._last_indexed_at = _now()
|
||||
finally:
|
||||
self._indexing = False
|
||||
|
||||
self._save_manifest()
|
||||
self._last_indexed_at = _now()
|
||||
return self.status()
|
||||
|
||||
def _index_file(self, pdf: Path, force: bool) -> None:
|
||||
@@ -190,7 +217,15 @@ class Indexer:
|
||||
return
|
||||
|
||||
logger.info("Indexando %s", pdf.name)
|
||||
pages = list(self.extractor.extract_document(pdf, file_hash=file_hash))
|
||||
pages = []
|
||||
page_count = _pdf_page_count(pdf)
|
||||
for position, page in enumerate(
|
||||
self.extractor.extract_document(pdf, file_hash=file_hash), start=1
|
||||
):
|
||||
pages.append(page)
|
||||
if position % 10 == 0 or position == page_count:
|
||||
self.report_progress(pdf.name, position, page_count)
|
||||
|
||||
failed_pages = [page.page for page in pages if page.failed]
|
||||
|
||||
book_starts = self._book_starts(pages)
|
||||
@@ -229,16 +264,36 @@ class Indexer:
|
||||
for entry in self._manifest.values()
|
||||
if entry.state in (STATE_COMPLETE, STATE_PARTIAL)
|
||||
)
|
||||
if self._indexing:
|
||||
state = "indexing"
|
||||
elif self._errors and indexed == 0:
|
||||
state = "error"
|
||||
else:
|
||||
state = "ready"
|
||||
return IndexStatus(
|
||||
state="error" if self._errors and indexed == 0 else "ready",
|
||||
state=state,
|
||||
pdfs_total=len(self.discover_pdfs()),
|
||||
pdfs_indexed=indexed,
|
||||
chunks=self.store.count(),
|
||||
model=self.settings.embedding_model,
|
||||
last_indexed_at=self._last_indexed_at,
|
||||
errors=list(self._errors),
|
||||
pages_processed=self._pages_processed,
|
||||
pages_total=self._pages_total,
|
||||
current_file=self._current_file,
|
||||
)
|
||||
|
||||
|
||||
def _pdf_page_count(pdf: Path) -> int:
|
||||
"""Número de páginas do PDF, ou 0 se não for possível determinar."""
|
||||
try:
|
||||
import pymupdf
|
||||
|
||||
with pymupdf.open(pdf) as document:
|
||||
return len(document)
|
||||
except Exception: # pragma: no cover - PDF malformado
|
||||
return 0
|
||||
|
||||
|
||||
def _now() -> str:
|
||||
return datetime.now(timezone.utc).isoformat()
|
||||
@@ -182,6 +182,9 @@ def create_app(
|
||||
model=current.model,
|
||||
last_indexed_at=current.last_indexed_at,
|
||||
errors=current.errors,
|
||||
pages_processed=current.pages_processed,
|
||||
pages_total=current.pages_total,
|
||||
current_file=current.current_file,
|
||||
)
|
||||
|
||||
@app.post("/api/reindex", response_model=ReindexResponse, status_code=202)
|
||||
|
||||
@@ -38,6 +38,9 @@ class StatusResponse(BaseModel):
|
||||
model: str = ""
|
||||
last_indexed_at: str | None = None
|
||||
errors: list[str] = Field(default_factory=list)
|
||||
pages_processed: int = 0
|
||||
pages_total: int = 0
|
||||
current_file: str | None = None
|
||||
|
||||
|
||||
class HealthResponse(BaseModel):
|
||||
|
||||
@@ -207,3 +207,30 @@ def test_non_pdf_files_are_ignored(settings):
|
||||
|
||||
assert status.pdfs_total == 0
|
||||
assert extractor.calls == []
|
||||
|
||||
|
||||
def test_status_reports_indexing_while_work_is_in_progress(settings):
|
||||
"""Durante a indexação o status deve mostrar progresso, não zero."""
|
||||
write_pdf(settings.pdf_dir, "biblia.pdf")
|
||||
extractor = FakeExtractor({"biblia.pdf": [PageText(page=6, text=GENESIS_PAGE)]})
|
||||
indexer, _ = build_indexer(settings, extractor)
|
||||
|
||||
indexer.mark_indexing()
|
||||
status = indexer.status()
|
||||
|
||||
assert status.state == "indexing"
|
||||
assert status.pdfs_total == 1
|
||||
|
||||
|
||||
def test_status_counts_pages_processed_during_indexing(settings):
|
||||
write_pdf(settings.pdf_dir, "biblia.pdf")
|
||||
extractor = FakeExtractor({"biblia.pdf": [PageText(page=6, text=GENESIS_PAGE)]})
|
||||
indexer, _ = build_indexer(settings, extractor)
|
||||
|
||||
indexer.mark_indexing()
|
||||
indexer.report_progress(pdf_name="biblia.pdf", pages_done=120, pages_total=3364)
|
||||
|
||||
status = indexer.status()
|
||||
|
||||
assert status.pages_processed == 120
|
||||
assert status.pages_total == 3364
|
||||
@@ -19,6 +19,9 @@ export interface Status {
|
||||
model: string;
|
||||
last_indexed_at: string | null;
|
||||
errors: string[];
|
||||
pages_processed: number;
|
||||
pages_total: number;
|
||||
current_file: string | null;
|
||||
}
|
||||
|
||||
export interface ChatMessage {
|
||||
|
||||
@@ -44,6 +44,33 @@ export function StatusPanel({ status, onReindex, reindexing }: StatusPanelProps)
|
||||
</div>
|
||||
</dl>
|
||||
|
||||
{status?.state === "indexing" && (
|
||||
<div className="status__progress">
|
||||
<div className="status__progress-label">
|
||||
{status.current_file ? `Lendo ${status.current_file}` : "Lendo PDFs"}
|
||||
{status.pages_total > 0 && ` · ${status.pages_processed}/${status.pages_total} páginas`}
|
||||
</div>
|
||||
{status.pages_total > 0 && (
|
||||
<div
|
||||
className="status__progress-bar"
|
||||
role="progressbar"
|
||||
aria-valuenow={status.pages_processed}
|
||||
aria-valuemin={0}
|
||||
aria-valuemax={status.pages_total}
|
||||
>
|
||||
<span
|
||||
style={{
|
||||
width: `${Math.min(
|
||||
100,
|
||||
(status.pages_processed / status.pages_total) * 100,
|
||||
)}%`,
|
||||
}}
|
||||
/>
|
||||
</div>
|
||||
)}
|
||||
</div>
|
||||
)}
|
||||
|
||||
{status && status.errors.length > 0 && (
|
||||
<ul className="status__errors">
|
||||
{status.errors.map((error) => (
|
||||
|
||||
@@ -212,6 +212,31 @@ body {
|
||||
font-size: 12px;
|
||||
}
|
||||
|
||||
.status__progress {
|
||||
margin-top: 14px;
|
||||
}
|
||||
|
||||
.status__progress-label {
|
||||
color: var(--muted);
|
||||
font-size: 12px;
|
||||
}
|
||||
|
||||
.status__progress-bar {
|
||||
margin-top: 7px;
|
||||
height: 5px;
|
||||
border-radius: 999px;
|
||||
background: var(--bg);
|
||||
overflow: hidden;
|
||||
}
|
||||
|
||||
.status__progress-bar > span {
|
||||
display: block;
|
||||
height: 100%;
|
||||
border-radius: 999px;
|
||||
background: var(--accent);
|
||||
transition: width 0.4s ease;
|
||||
}
|
||||
|
||||
.status__reindex {
|
||||
width: 100%;
|
||||
margin-top: 16px;
|
||||
|
||||
Reference in new issue
Block a user