Update main.py

main.py

@@ -93,7 +93,7 @@ def gregorian_to_jalali(gy, gm, gd):
     return jy, jm, jd
 
 # ==============================================================================
-# 🟢 پارت 4: دیتابیس SQLite (نسخه فوق‌سریع - فقط RAM برای پیام‌ها + پاکسازی هارد)
+# 🟢 پارت 4: دیتابیس SQLite (نسخه فوق‌سریع و بهینه‌شده بدون ذخیره شناسه‌ها در هارد)
 # ==============================================================================
 import os
 import sqlite3
@@ -106,7 +106,7 @@ CORRUPT_FILE = "/data/users_db.db"
 BACKUP_JSON = "/data/users_db.json.bak" 
 
 last_saved_state = {}
-# حافظه کش فقط در RAM (با ری‌استارت اسپیس پاک می‌شود)
+# حافظه کش برای پیام‌های پردازش شده صرفاً در RAM (با ری‌استارت اسپیس کاملاً پاک می‌شود)
 recent_messages_dict = {}
 # قفل‌ها برای جلوگیری از تداخل رشته‌ها (Threads)
 db_lock = threading.Lock()
@@ -119,21 +119,15 @@ def init_sqlite_db():
 
         conn = sqlite3.connect(DB_FILE, timeout=60.0)
         cursor = conn.cursor()
-        
-        # 🚀 تنظیمات سرعت دیتابیس
+        # 🚀 استفاده از WAL برای پشتیبانی از هزاران کاربر همزمان
         cursor.execute('PRAGMA journal_mode=WAL;') 
         cursor.execute('PRAGMA synchronous=NORMAL;')
-        
-        # 1️⃣ اطمینان از وجود و سلامت جدول کاربران (اطلاعات اصلی که نباید پاک شود)
         cursor.execute('CREATE TABLE IF NOT EXISTS users (chat_id TEXT PRIMARY KEY, user_data TEXT)')
         
-        # 2️⃣ حذف جدول شناسه‌های قدیمی پیام‌ها برای همیشه
+        # 🧹 پاکسازی دیتابیس: حذف جدول ذخیره پیام‌ها (طبق درخواست، پیام‌ها دیگر در هارد ذخیره نمی‌شوند)
         cursor.execute('DROP TABLE IF EXISTS processed_messages')
-        conn.commit()
-
-        # 3️⃣ آزادسازی فضای هارد دیسک و کاهش حجم فایل دیتابیس (حذف فیزیکی شناسه‌های قدیمی)
-        conn.execute('VACUUM')
         
+        conn.commit()
         conn.close()
 
         if is_first_run:
@@ -169,20 +163,21 @@ def load_db():
         conn.execute('PRAGMA journal_mode=WAL;')
         cursor = conn.cursor()
         
-        # 🟢 فقط لود کردن اطلاعات کاربران (بدون دست زدن به شناسه‌های پیام)
+        # لود کردن کاربران
         cursor.execute("SELECT chat_id, user_data FROM users")
         for row in cursor.fetchall():
             db_dict[row[0]] = json.loads(row[1])
             
         conn.close()
         last_saved_state = copy.deepcopy(db_dict)
-        print(f"🚀 دیتابیس آماده شد. تعداد کاربران: {len(db_dict)} | کش پیام‌ها پاکسازی شد.")
+        # شناسه‌های پیام دیگر از دیتابیس لود نمی‌شوند و رم همیشه هنگام شروع خالی است
+        print(f"🚀 دیتابیس آماده شد. تعداد کاربران: {len(db_dict)} | کش پیام‌ها ریست شد.")
         return db_dict
     except Exception as e:
         print(f"⚠️ ارور در لود نهایی: {e}")
         return {}
 
-# --- سیستم ذخیره سازی کاربران در پس‌زمینه ---
+# --- سیستم ذخیره سازی کاربران در پس‌زمینه (بدون معطل کردن ربات) ---
 def background_save_worker(changed_data):
     with db_lock:
         try:
@@ -208,11 +203,12 @@ def save_db(db_data):
     for cid, _ in changed:
         last_saved_state[cid] = copy.deepcopy(db_data[cid])
         
+    # 🚀 پرتاب عملیات سنگین به یک پردازشگر دیگر تا ربات متوقف نشود
     threading.Thread(target=background_save_worker, args=(changed,), daemon=True).start()
 
-# --- سیستم ضد تکرار پیام کاملاً منتقل شده به RAM ---
+# --- سیستم بررسی پیام تکراری (اکنون ۱۰۰٪ فقط در RAM کار می‌کند) ---
 def is_message_processed(message_id):
-    # چک کردن داخل RAM در کسری از ثانیه
+    # چک کردن داخل RAM (زمان اجرا: 0.0001 ثانیه)
     return str(message_id) in recent_messages_dict
 
 def mark_message_processed(message_id):
@@ -220,8 +216,7 @@ def mark_message_processed(message_id):
     with msg_cache_lock:
         # ثبت فقط در RAM
         recent_messages_dict[msg_id_str] = True
-        
-        # جلوگیری از پر شدن بیش از حد RAM (نگه داشتن فقط 15000 پیام آخر)
+        # جلوگیری از پر شدن بیش از حد RAM در استفاده‌های طولانی
         if len(recent_messages_dict) > 15000:
             oldest_key = next(iter(recent_messages_dict))
             del recent_messages_dict[oldest_key]