"""
Project Batch Analysis Service
=============================

실제 데이터베이스(DB) 기반으로 프로젝트 내 페이지들을 순차적으로 분석하고
정렬(Question Grouping) 및 포맷팅(Text Version 생성)까지 수행합니다.

파이프라인 (페이지 단위)
1. 이미지 로드
2. AnalysisService로 레이아웃 → OCR → (선택) AI 설명 생성
3. sorter.py를 이용한 정렬 후 question_groups / question_elements 저장
4. TextFormatter로 자동 포맷팅 → text_versions에 최신 버전 기록

결과는 페이지별 요약 정보와 함께 프로젝트 상태를 갱신합니다.

병렬 처리 전략
-------------
- **페이지 레벨 병렬**: 여러 페이지를 동시에 처리 (asyncio.gather + Semaphore)
- **페이지 내부 순차**: 레이아웃/OCR/정렬은 동기 실행
  * Tesseract/EasyOCR 엔진이 스레드 안전하지 않아 asyncio.to_thread() 사용 불가
  * YOLO 모델도 스레드 안전성 문제로 동기 실행
- **I/O만 비동기**: 이미지 로딩, DB 작업만 asyncio.to_thread() 사용

성능 특성
--------
- 10페이지 처리 시간: ~60-90초 (페이지당 6-9초)
- max_concurrent_pages=8로 8개 페이지 동시 처리
- CPU 바운드 작업이 대부분이므로 CPU 코어 수에 비례한 성능
"""

from __future__ import annotations

import asyncio
import io
import os
import threading
import time
from contextlib import asynccontextmanager
from datetime import datetime
from pathlib import Path
from typing import Any, Dict, List, Optional, Set

import aiofiles
import cv2
import numpy as np
from loguru import logger
from PIL import Image
from sqlalchemy.orm import Session, selectinload

from ..models import LayoutElement, Page, Project
from .analysis_service import AnalysisService
from .model_registry import model_registry
from .formatter import TextFormatter
from .mock_models import MockElement
from .sorter import save_sorting_results_to_db, sort_layout_elements
from .text_version_service import create_text_version


# -----------------------------------------------------------------------------
# 내부 상수 & 헬퍼
# -----------------------------------------------------------------------------

UPLOADS_ROOT = (Path(__file__).resolve().parents[2] / "uploads").resolve()
DEFAULT_AI_CONCURRENCY = int(os.getenv("OPENAI_MAX_CONCURRENCY", "30"))  # 15 → 30 (OpenAI Rate Limit 500 RPM 고려)
DEFAULT_MAX_CONCURRENT_PAGES = int(os.getenv("MAX_CONCURRENT_PAGES", "4"))  # CPU 환경 기본값 (GPU 환경에서는 16-32)

# 모델 인스턴스 캐시 (스레드 안전한 싱글톤 패턴)
_model_instances: Dict[str, AnalysisService] = {}
_model_lock = threading.Lock()

# 문서 타입별 기본 모델 매핑
DOC_TYPE_MODEL_MAP = {
    1: "SmartEyeSsen",
    2: "docstructbench",
}
DEFAULT_MODEL_CHOICE = "SmartEyeSsen"


def _available_model_names() -> Set[str]:
    return set(model_registry.list_registered().keys())


def is_supported_model(model_name: str) -> bool:
    return model_name in _available_model_names()


def resolve_model_choice(
    doc_type_id: Optional[int],
    requested_model: Optional[str] = None,
) -> str:
    """
    doc_type 또는 사용자 요청에 맞는 모델명을 반환합니다.

    Args:
        doc_type_id: document_types.doc_type_id
        requested_model: 사용자가 명시적으로 지정한 모델 이름

    Raises:
        ValueError: 지원되지 않는 모델명이 요청된 경우
    """
    if requested_model:
        if not is_supported_model(requested_model):
            raise ValueError(f"지원하지 않는 AI 모델입니다: {requested_model}")
        return requested_model

    if doc_type_id in DOC_TYPE_MODEL_MAP:
        return DOC_TYPE_MODEL_MAP[doc_type_id]

    logger.warning(
        "알 수 없는 doc_type_id ({})에 대해 기본 모델({})을 사용합니다.",
        doc_type_id,
        DEFAULT_MODEL_CHOICE,
    )
    return DEFAULT_MODEL_CHOICE


def _get_analysis_service(model_choice: str = "SmartEyeSsen") -> AnalysisService:
    """
    모델별로 싱글톤 인스턴스를 반환합니다.
    
    스레드 안전한 Double-checked locking 패턴을 사용하여
    병렬 처리 시에도 각 모델당 하나의 인스턴스만 생성됩니다.
    
    이를 통해 다음을 보장합니다:
    - 동일 모델에 대해 메모리에 하나의 인스턴스만 유지
    - 프론트엔드에서 동적으로 다른 모델 선택 가능
    - 병렬 처리 시 모델 중복 로드 방지
    - 스레드 안전성 확보
    
    Args:
        model_choice: 모델 선택 (기본값: "SmartEyeSsen")
        
    Returns:
        AnalysisService: 모델 인스턴스 (모델별 싱글톤)
        
    Example:
        >>> # 4개 페이지 병렬 처리 시
        >>> service1 = _get_analysis_service("SmartEyeSsen")  # 새 인스턴스 생성
        >>> service2 = _get_analysis_service("SmartEyeSsen")  # 캐시된 인스턴스 반환
        >>> service3 = _get_analysis_service("YOLOv8")        # 다른 모델 인스턴스 생성
        >>> assert service1 is service2  # True
        >>> assert service1 is not service3  # True
    """
    # 빠른 경로: 이미 로드된 경우 락 없이 반환 (성능 최적화)
    if model_choice in _model_instances:
        logger.debug(f"✅ 캐시된 AnalysisService 반환: {model_choice}")
        return _model_instances[model_choice]
    
    # Double-checked locking 패턴
    with _model_lock:
        # 락 획득 후 다시 확인 (다른 스레드가 이미 생성했을 수 있음)
        if model_choice in _model_instances:
            logger.debug(f"✅ 캐시된 AnalysisService 반환 (락 내부): {model_choice}")
            return _model_instances[model_choice]
        
        # 모델 인스턴스 생성 (한 번만)
        logger.info(f"🔧 새 AnalysisService 인스턴스 생성 중: model_choice={model_choice}")
        service = AnalysisService(model_choice=model_choice, auto_load=False)
        
        # 모델 로드 (초기화)
        logger.info(f"📦 모델 로드 시작: {model_choice}")
        service._ensure_model_loaded()
        logger.info(f"✅ 모델 로드 완료: {model_choice}")
        
        # 캐시에 저장
        _model_instances[model_choice] = service
        logger.info(
            f"💾 AnalysisService 캐시 완료: {model_choice} "
            f"(총 캐시된 모델 수: {len(_model_instances)})"
        )
        
        return service


@asynccontextmanager
async def get_async_db_session():
    """
    비동기 컨텍스트에서 사용할 DB 세션 관리자.
    
    커넥션 풀에서 세션을 가져와 재사용하고,
    오류 발생 시 자동 롤백 처리합니다.
    
    Yields:
        Session: SQLAlchemy 세션 객체
        
    Example:
        >>> async with get_async_db_session() as session:
        ...     page = session.query(Page).first()
        
    Note:
        병렬 처리 시 각 작업마다 독립적인 세션을 사용하여
        세션 충돌을 방지합니다.
    """
    from ..database import SessionLocal
    session = SessionLocal()
    try:
        yield session
        await asyncio.to_thread(session.commit)
    except Exception:
        await asyncio.to_thread(session.rollback)
        raise
    finally:
        await asyncio.to_thread(session.close)


def _resolve_image_path(image_path: str) -> Path:
    """
    Page.image_path 값을 절대 경로로 변환합니다.
    """
    raw_path = Path(image_path)
    candidates = []

    if raw_path.is_absolute():
        candidates.append(raw_path)
    else:
        candidates.append((UPLOADS_ROOT / raw_path).resolve())
        candidates.append((Path.cwd() / "uploads" / raw_path).resolve())
        candidates.append((Path.cwd() / raw_path).resolve())

    for candidate in candidates:
        if candidate.exists():
            return candidate

    raise FileNotFoundError(
        "이미지 파일을 찾을 수 없습니다. "
        f"확인된 경로: {[str(path) for path in candidates]}"
    )


def _load_page_image(page: Page) -> np.ndarray:
    """
    페이지 객체에서 이미지를 로드하고, 해상도 정보를 갱신합니다.
    
    Note:
        동기 방식으로 이미지를 로드합니다. 
        비동기 컨텍스트에서는 _load_page_image_async() 사용 권장.
    """
    resolved_path = _resolve_image_path(page.image_path)
    image = cv2.imread(str(resolved_path))
    if image is None:
        raise ValueError(f"이미지 파일을 읽을 수 없습니다: {resolved_path}")

    height, width = image.shape[:2]
    if page.image_width != width or page.image_height != height:
        page.image_width = width
        page.image_height = height
    return image


async def _load_page_image_async(page: Page) -> np.ndarray:
    """
    비동기 방식으로 이미지를 로드하고 해상도 정보를 갱신합니다.
    
    디스크 I/O를 논블로킹으로 처리하여 CPU 대기 시간을 최소화합니다.
    CPU 집약적인 디코딩 작업은 스레드 풀로 위임합니다.
    
    Args:
        page: 페이지 객체
        
    Returns:
        np.ndarray: OpenCV 포맷 이미지 (BGR)
        
    Raises:
        FileNotFoundError: 이미지 파일을 찾을 수 없는 경우
        ValueError: 이미지 디코딩 실패 시
        
    Example:
        >>> image = await _load_page_image_async(page)
        >>> height, width = image.shape[:2]
    """
    resolved_path = _resolve_image_path(page.image_path)
    
    # 비동기 파일 읽기 (I/O 대기 시간 최소화)
    async with aiofiles.open(resolved_path, 'rb') as f:
        image_data = await f.read()
    
    # 이미지 디코딩 (CPU 바운드 작업은 스레드 풀로)
    def decode_image(data: bytes) -> np.ndarray:
        """PIL로 디코딩 후 OpenCV 포맷으로 변환"""
        pil_image = Image.open(io.BytesIO(data))
        # RGB → BGR 변환 (OpenCV 포맷)
        return cv2.cvtColor(np.array(pil_image), cv2.COLOR_RGB2BGR)
    
    image = await asyncio.to_thread(decode_image, image_data)
    
    if image is None:
        raise ValueError(f"이미지 디코딩 실패: {resolved_path}")
    
    # 해상도 정보 갱신
    height, width = image.shape[:2]
    if page.image_width != width or page.image_height != height:
        page.image_width = width
        page.image_height = height
    
    return image


def _layout_to_mock(elements: List[LayoutElement]) -> List[MockElement]:
    """
    SQLAlchemy LayoutElement 객체를 sorter에서 사용하는 MockElement로 변환합니다.
    """
    mock_elements: List[MockElement] = []
    for element in elements:
        mock = MockElement(
            element_id=element.element_id,
            class_name=element.class_name,
            confidence=float(element.confidence or 0.0),
            bbox_x=int(element.bbox_x),
            bbox_y=int(element.bbox_y),
            bbox_width=int(element.bbox_width),
            bbox_height=int(element.bbox_height),
            page_id=element.page_id,
        )
        mock_elements.append(mock)
    return mock_elements


def _sync_layout_runtime_fields(
    layout_elements: List[LayoutElement],
    mock_elements: List[MockElement],
) -> List[LayoutElement]:
    """
    sorter가 계산한 order_in_question, group_id 등을 실제 LayoutElement에 반영합니다.
    """
    element_map: Dict[int, LayoutElement] = {
        elem.element_id: elem for elem in layout_elements
    }
    synced_elements: List[LayoutElement] = []

    for mock in mock_elements:
        target = element_map.get(mock.element_id)
        if not target:
            logger.warning(
                "정렬 결과에 존재하지만 DB에 없는 element_id={}", mock.element_id
            )
            continue

        setattr(target, "order_in_question", getattr(mock, "order_in_question", None))
        setattr(target, "group_id", getattr(mock, "group_id", None))
        setattr(target, "order_in_group", getattr(mock, "order_in_group", None))
        setattr(target, "y_position", getattr(mock, "y_position", target.bbox_y))
        setattr(target, "x_position", getattr(mock, "x_position", target.bbox_x))
        setattr(
            target,
            "area",
            getattr(mock, "area", target.bbox_width * target.bbox_height),
        )
        synced_elements.append(target)

    return synced_elements


def _update_page_status(
    page: Page,
    *,
    status: str,
    processing_time: float,
) -> None:
    """
    페이지의 상태/처리시간/분석 완료 시간을 갱신합니다.
    """
    page.analysis_status = status
    page.processing_time = processing_time
    page.analyzed_at = datetime.utcnow()


def _update_project_status(project: Project, status: str) -> None:
    """
    프로젝트 상태를 갱신합니다.
    """
    project.status = status
    project.updated_at = datetime.utcnow()


async def _process_single_page_async(
    *,
    db: Session,
    project: Project,
    page: Page,
    formatter: TextFormatter,
    analysis_service: AnalysisService,
    use_ai_descriptions: bool,
    api_key: Optional[str],
    ai_max_concurrency: int = DEFAULT_AI_CONCURRENCY,
) -> Dict[str, Any]:
    """
    개별 페이지에 대한 전체 파이프라인을 실행하고 결과 요약을 반환합니다.
    """
    logger.info(
        "페이지 분석 시작: project_id={} / page_id={}",
        project.project_id,
        page.page_id,
    )
    page_start = time.time()

    summary: Dict[str, Any] = {
        "page_id": page.page_id,
        "page_number": page.page_number,
        "status": "error",
        "message": "",
        "layout_count": 0,
        "ocr_count": 0,
        "ai_description_count": 0,
        "processing_time": 0.0,
    }

    try:
        # 비동기 이미지 로딩 (I/O 대기 시간 최소화)
        image = await _load_page_image_async(page)

        # 레이아웃 분석 (CPU 바운드 → 동기 실행)
        # ⚠️ OCR/모델 엔진은 스레드 안전하지 않아 asyncio.to_thread() 사용 불가
        layout_elements = analysis_service.analyze_layout(
            image=image,
            page_id=page.page_id,
            db=db,
            model_choice=analysis_service.model_choice,
        )
        if not layout_elements:
            raise ValueError("레이아웃 분석 결과가 비어 있습니다.")
        summary["layout_count"] = len(layout_elements)

        # OCR 수행 (CPU 바운드 → 동기 실행)
        # ⚠️ Tesseract/EasyOCR은 스레드 안전하지 않아 asyncio.to_thread() 사용 불가
        text_contents = await analysis_service.perform_ocr_async(
            image=image,
            layout_elements=layout_elements,
            db=db,
        )
        summary["ocr_count"] = len(text_contents)

        ai_descriptions: Dict[int, str] = {}
        if use_ai_descriptions:
            # API 키: 요청 파라미터 우선, 없으면 환경변수에서 로드
            effective_api_key = api_key or os.getenv("OPENAI_API_KEY")
            if effective_api_key:
                logger.info(f"AI 설명 생성 시작: page_id={page.page_id}")
                try:
                    ai_descriptions = await analysis_service.call_openai_api_async(
                        image=image,
                        layout_elements=layout_elements,
                        api_key=effective_api_key,
                        db=db,
                        max_concurrent_requests=ai_max_concurrency,
                    )
                    summary["ai_description_count"] = len(ai_descriptions)
                    logger.info(
                        f"AI 설명 생성 완료: {len(ai_descriptions)}개 요소 처리"
                    )
                except Exception as ai_error:
                    logger.error(
                        "AI 설명 생성 비동기 처리 실패: page_id={} / error={}",
                        page.page_id,
                        ai_error,
                    )
            else:
                logger.warning(
                    f"AI 설명 생성 요청되었으나 API 키가 없습니다 (page_id={page.page_id})"
                )

        # 정렬 준비 (동기 변환 작업)
        mock_elements = _layout_to_mock(layout_elements)
        
        # 정렬 (CPU 바운드 → 동기 실행)
        # 빠른 계산 작업이므로 스레드 오버헤드 불필요
        sorted_mock = sort_layout_elements(
            mock_elements,
            document_type=formatter.document_type,
            page_width=page.image_width or 0,
            page_height=page.image_height or 0,
        )
        synced_layouts = _sync_layout_runtime_fields(layout_elements, sorted_mock)

        # DB 저장 (동기 실행 - deadlock 방지)
        save_sorting_results_to_db(
            db,
            page.page_id,
            synced_layouts,
        )

        # 포맷팅 (CPU 바운드 → 동기 실행)
        # 빠른 텍스트 처리이므로 스레드 오버헤드 불필요
        formatted_text = formatter.format_page(
            synced_layouts,
            text_contents,
            ai_descriptions=ai_descriptions,
        )
        
        # 텍스트 버전 생성 (DB I/O)
        create_text_version(
            db,
            page,
            formatted_text or "",
        )

        # 최종 상태 업데이트
        processing_time = time.time() - page_start
        _update_page_status(page, status="completed", processing_time=processing_time)
        summary["status"] = "completed"
        summary["processing_time"] = processing_time
        summary["message"] = "success"

        # DB 커밋 (동기 실행 - deadlock 방지)
        db.commit()
        return summary

    except Exception as error:  # pylint: disable=broad-except
        logger.error(f"페이지 분석 실패: page_id={page.page_id} / error={str(error)}")
        logger.exception("상세 스택 트레이스:")  # 전체 스택 출력
        
        # DB 롤백 (동기 실행 - deadlock 방지)
        db.rollback()
        
        processing_time = time.time() - page_start
        _update_page_status(page, status="error", processing_time=processing_time)
        summary["processing_time"] = processing_time
        summary["message"] = str(error)
        
        # DB 커밋 (동기 실행 - deadlock 방지)
        db.commit()
        return summary


def _process_single_page(
    *,
    db: Session,
    project: Project,
    page: Page,
    formatter: TextFormatter,
    analysis_service: AnalysisService,
    use_ai_descriptions: bool,
    api_key: Optional[str],
    ai_max_concurrency: int = DEFAULT_AI_CONCURRENCY,
) -> Dict[str, Any]:
    """
    동기 컨텍스트 호환용 래퍼.
    """
    return asyncio.run(
        _process_single_page_async(
            db=db,
            project=project,
            page=page,
            formatter=formatter,
            analysis_service=analysis_service,
            use_ai_descriptions=use_ai_descriptions,
            api_key=api_key,
            ai_max_concurrency=ai_max_concurrency,
        )
    )


# -----------------------------------------------------------------------------
# 공개 API
# -----------------------------------------------------------------------------


async def analyze_project_batch_async(
    db: Session,
    project_id: int,
    *,
    use_ai_descriptions: bool = True,
    api_key: Optional[str] = None,
    ai_max_concurrency: int = DEFAULT_AI_CONCURRENCY,
    analysis_model: Optional[str] = None,
) -> Dict[str, Any]:
    """
    프로젝트 내 'pending' 상태 페이지를 순차적으로 분석하고 결과 요약을 반환합니다.
    """
    logger.info("프로젝트 배치 분석 시작: project_id={}", project_id)
    started_at = time.time()

    project = (
        db.query(Project)
        .options(selectinload(Project.pages))
        .filter(Project.project_id == project_id)
        .one_or_none()
    )
    if not project:
        raise ValueError(f"프로젝트 ID {project_id}를 찾을 수 없습니다.")

    pending_pages = [
        page for page in project.pages if page.analysis_status in {"pending", "error"}
    ]
    pending_pages.sort(key=lambda p: p.page_number)

    result_summary: Dict[str, Any] = {
        "project_id": project.project_id,
        "project_status_before": project.status,
        "processed_pages": 0,
        "successful_pages": 0,
        "failed_pages": 0,
        "total_pages": len(pending_pages),
        "status": "completed" if pending_pages else "no_pending_pages",
        "page_results": [],
        "total_time": 0.0,
    }

    if not pending_pages:
        logger.warning("분석할 페이지가 없습니다. project_id={}", project.project_id)
        return result_summary

    _update_project_status(project, "in_progress")
    db.commit()

    model_choice = resolve_model_choice(project.doc_type_id, analysis_model)
    logger.info(
        "프로젝트 분석 모델 선택: project_id={}, doc_type_id={}, model={}",
        project.project_id,
        project.doc_type_id,
        model_choice,
    )
    analysis_service = _get_analysis_service(model_choice)
    formatter = TextFormatter(
        doc_type_id=project.doc_type_id,
        db=db,
        use_db_rules=True,
    )

    for page in pending_pages:
        page_summary = await _process_single_page_async(
            db=db,
            project=project,
            page=page,
            formatter=formatter,
            analysis_service=analysis_service,
            use_ai_descriptions=use_ai_descriptions,
            api_key=api_key,
            ai_max_concurrency=ai_max_concurrency,
        )
        result_summary["page_results"].append(page_summary)
        result_summary["processed_pages"] += 1
        if page_summary["status"] == "completed":
            result_summary["successful_pages"] += 1
        else:
            result_summary["failed_pages"] += 1

    if result_summary["failed_pages"] == 0:
        final_status = "completed"
    elif result_summary["successful_pages"] == 0:
        final_status = "error"
    else:
        # 일부 성공, 일부 실패 → in_progress로 표시
        final_status = "in_progress"

    _update_project_status(project, final_status)
    db.commit()

    result_summary["status"] = final_status
    result_summary["project_status_after"] = project.status
    result_summary["total_time"] = time.time() - started_at
    logger.info(
        "프로젝트 배치 분석 종료: project_id={} / status={} / success={} / fail={} / {:.2f}s",
        project.project_id,
        final_status,
        result_summary["successful_pages"],
        result_summary["failed_pages"],
        result_summary["total_time"],
    )
    return result_summary


def analyze_project_batch(
    db: Session,
    project_id: int,
    *,
    use_ai_descriptions: bool = True,
    api_key: Optional[str] = None,
    ai_max_concurrency: int = DEFAULT_AI_CONCURRENCY,
    analysis_model: Optional[str] = None,
) -> Dict[str, Any]:
    """
    동기 컨텍스트 호환용 래퍼.
    """
    return asyncio.run(
        analyze_project_batch_async(
            db=db,
            project_id=project_id,
            use_ai_descriptions=use_ai_descriptions,
            api_key=api_key,
            ai_max_concurrency=ai_max_concurrency,
            analysis_model=analysis_model,
        )
    )


async def analyze_project_batch_async_parallel(
    db: Session,
    project_id: int,
    *,
    use_ai_descriptions: bool = True,
    api_key: Optional[str] = None,
    ai_max_concurrency: int = DEFAULT_AI_CONCURRENCY,
    max_concurrent_pages: int = 8,
    analysis_model: Optional[str] = None,
) -> Dict[str, Any]:
    """
    프로젝트 내 'pending' 상태 페이지를 병렬로 분석하고 결과 요약을 반환합니다.
    
    Args:
        db: 데이터베이스 세션
        project_id: 프로젝트 ID
        use_ai_descriptions: AI 설명 생성 여부
        api_key: OpenAI API 키
        ai_max_concurrency: AI API 최대 동시 요청 수
        max_concurrent_pages: 최대 동시 처리 페이지 수 (기본값: 8)
        
    Returns:
        분석 결과 요약
        
    Note:
        기존 analyze_project_batch_async와 동일한 기능이지만,
        여러 페이지를 동시에 병렬로 처리하여 속도를 향상시킵니다.
        max_concurrent_pages 값을 조정하여 시스템 리소스에 맞게 최적화할 수 있습니다.
    """
    logger.info(
        "프로젝트 병렬 배치 분석 시작: project_id={}, max_concurrent={}",
        project_id,
        max_concurrent_pages,
    )
    started_at = time.time()

    project = (
        db.query(Project)
        .options(selectinload(Project.pages))
        .filter(Project.project_id == project_id)
        .one_or_none()
    )
    if not project:
        raise ValueError(f"프로젝트 ID {project_id}를 찾을 수 없습니다.")

    pending_pages = [
        page for page in project.pages if page.analysis_status in {"pending", "error"}
    ]
    pending_pages.sort(key=lambda p: p.page_number)

    result_summary: Dict[str, Any] = {
        "project_id": project.project_id,
        "project_status_before": project.status,
        "processed_pages": 0,
        "successful_pages": 0,
        "failed_pages": 0,
        "total_pages": len(pending_pages),
        "status": "completed" if pending_pages else "no_pending_pages",
        "page_results": [],
        "total_time": 0.0,
        "processing_mode": "parallel",
    }

    if not pending_pages:
        logger.warning("분석할 페이지가 없습니다. project_id={}", project.project_id)
        return result_summary

    _update_project_status(project, "in_progress")
    db.commit()

    model_choice = resolve_model_choice(project.doc_type_id, analysis_model)
    logger.info(
        "병렬 프로젝트 분석 모델 선택: project_id={}, doc_type_id={}, model={}",
        project.project_id,
        project.doc_type_id,
        model_choice,
    )
    analysis_service = _get_analysis_service(model_choice)
    formatter = TextFormatter(
        doc_type_id=project.doc_type_id,
        db=db,
        use_db_rules=True,
    )

    # Semaphore로 동시 실행 제어
    semaphore = asyncio.Semaphore(max_concurrent_pages)

    async def process_with_semaphore(page: Page) -> Dict[str, Any]:
        """
        Semaphore를 사용하여 동시 실행 수를 제한하면서 페이지 처리
        
        각 페이지 분석 작업마다 독립적인 DB 세션을 생성하여
        병렬 처리 시 세션 충돌을 방지합니다.
        
        get_async_db_session() 컨텍스트 매니저를 사용하여
        자동 commit/rollback 처리 및 세션 오버헤드를 감소시킵니다.
        """
        async with semaphore:
            # 비동기 DB 세션 컨텍스트 매니저 사용
            async with get_async_db_session() as task_db:
                # 세션에서 페이지 재로드 (다른 세션에서 가져온 객체이므로)
                task_page = await asyncio.to_thread(
                    task_db.query(Page).filter(Page.page_id == page.page_id).first
                )
                task_project = await asyncio.to_thread(
                    task_db.query(Project).filter(Project.project_id == project.project_id).first
                )
                
                if not task_page or not task_project:
                    raise ValueError(f"페이지 또는 프로젝트를 찾을 수 없습니다: page_id={page.page_id}")
                
                return await _process_single_page_async(
                    db=task_db,
                    project=task_project,
                    page=task_page,
                    formatter=formatter,
                    analysis_service=analysis_service,
                    use_ai_descriptions=use_ai_descriptions,
                    api_key=api_key,
                    ai_max_concurrency=ai_max_concurrency,
                )

    # 모든 페이지를 병렬로 처리
    logger.info(f"총 {len(pending_pages)}개 페이지를 최대 {max_concurrent_pages}개씩 병렬 처리 시작")
    tasks = [process_with_semaphore(page) for page in pending_pages]
    page_results = await asyncio.gather(*tasks, return_exceptions=True)

    # 결과 집계
    for page_result in page_results:
        if isinstance(page_result, Exception):
            logger.error(f"페이지 처리 중 예외 발생: {page_result}")
            result_summary["page_results"].append({
                "status": "error",
                "message": str(page_result),
            })
            result_summary["failed_pages"] += 1
        else:
            result_summary["page_results"].append(page_result)
            if page_result["status"] == "completed":
                result_summary["successful_pages"] += 1
            else:
                result_summary["failed_pages"] += 1
        result_summary["processed_pages"] += 1

    # 최종 상태 결정
    if result_summary["failed_pages"] == 0:
        final_status = "completed"
    elif result_summary["successful_pages"] == 0:
        final_status = "error"
    else:
        # 일부 성공, 일부 실패 → in_progress로 표시
        final_status = "in_progress"

    _update_project_status(project, final_status)
    db.commit()

    result_summary["status"] = final_status
    result_summary["project_status_after"] = project.status
    result_summary["total_time"] = time.time() - started_at
    
    logger.info(
        "프로젝트 병렬 배치 분석 종료: project_id={} / status={} / success={} / fail={} / {:.2f}s",
        project.project_id,
        final_status,
        result_summary["successful_pages"],
        result_summary["failed_pages"],
        result_summary["total_time"],
    )
    return result_summary


def analyze_project_batch_parallel(
    db: Session,
    project_id: int,
    *,
    use_ai_descriptions: bool = True,
    api_key: Optional[str] = None,
    ai_max_concurrency: int = DEFAULT_AI_CONCURRENCY,
    max_concurrent_pages: int = DEFAULT_MAX_CONCURRENT_PAGES,
    analysis_model: Optional[str] = None,
) -> Dict[str, Any]:
    """
    동기 컨텍스트 호환용 래퍼 (병렬 처리 버전).
    """
    return asyncio.run(
        analyze_project_batch_async_parallel(
            db=db,
            project_id=project_id,
            use_ai_descriptions=use_ai_descriptions,
            api_key=api_key,
            ai_max_concurrency=ai_max_concurrency,
            max_concurrent_pages=max_concurrent_pages,
            analysis_model=analysis_model,
        )
    )


__all__ = [
    "analyze_project_batch",
    "analyze_project_batch_async",
    "analyze_project_batch_parallel",
    "analyze_project_batch_async_parallel",
    "_get_analysis_service",
    "_process_single_page",
    "_process_single_page_async",
    "DEFAULT_AI_CONCURRENCY",
    "is_supported_model",
    "resolve_model_choice",
]