Update app.py

app.py

@@ -5,45 +5,50 @@ import random
 import torch
 import threading
 import time
+import uuid
+import glob
 import gradio as gr
 import pandas as pd
 import matplotlib.pyplot as plt
-import shutil
-from huggingface_hub import hf_hub_download, HfApi
+from huggingface_hub import snapshot_download, HfApi
 
 from riichienv import RiichiEnv, GameRule
 from model3pLOCAL import load_model
 
 # ==========================================
-# 0. 云端持久化与全局配置
+# 0. 分布式多开与云端持久化配置
 # ==========================================
 REPO_ID = "ffzeroHua/mj-eval-results"  # ⚠️ 请务必替换为你在 HF 创建的 Dataset 名称
-REPORT_FILE = "eval_report.txt"
 HF_TOKEN = os.getenv("HF_TOKEN")
-api = HfApi()
 
+# 为当前 Space 节点生成唯一的 ID (如果在本地跑，也会生成唯一 ID)
+WORKER_ID = os.getenv("WORKER_ID", str(uuid.uuid4())[:6])
+REPORT_FILE_PREFIX = 'eval_report'
+REPORT_FILE = f"{REPORT_FILE_PREFIX}_{WORKER_ID}.txt"
+
+api = HfApi()
 EVAL_RUNNING = True
 
 def sync_from_hub():
-    """启动时从数据集下载已有的战绩文件"""
+    """启动时从数据集下载所有节点的战绩分片文件"""
     if HF_TOKEN and REPO_ID != "你的用户名/mj-eval-results":
         try:
-            print(f"🔄 正在从 Hub 下载战绩文件...")
-            path = hf_hub_download(
+            print(f"🔄 正在从 Hub 拉取全局历史数据...")
+            snapshot_download(
                 repo_id=REPO_ID,
-                filename=REPORT_FILE,
                 repo_type="dataset",
+                local_dir=".",
+                allow_patterns=REPORT_FILE_PREFIX + "_*.txt",  # 只下载战绩文件
                 token=HF_TOKEN
             )
-            shutil.copy(path, REPORT_FILE)
-            print("✅ 下载完成，已恢复历史数据。")
+            print("✅ 历史数据拉取完成。")
         except Exception as e:
-            print(f"⚠️ 未能下载历史战绩 (可能是首次运行或文件不存在): {e}")
+            print(f"⚠️ 拉取历史战绩失败 (可能是首次运行或尚无数据): {e}")
     else:
-        print("⚠️ 未配置 HF_TOKEN 或 REPO_ID，跳过云端拉取。")
+        print("⚠️ 未配置 HF_TOKEN 或 REPO_ID 未修改，跳过云端拉取。")
 
 def sync_to_hub():
-    """将本地战绩文件备份到数据集"""
+    """将当前节点的战绩文件备份到数据集"""
     if HF_TOKEN and REPO_ID != "你的用户名/mj-eval-results":
         try:
             api.upload_file(
@@ -53,7 +58,7 @@ def sync_to_hub():
                 repo_type="dataset",
                 token=HF_TOKEN
             )
-            print(f"☁️ 战绩已成功同步至 Hub: {time.strftime('%H:%M:%S')}")
+            print(f"☁️ 节点 {WORKER_ID} 战绩已成功同步至 Hub: {time.strftime('%H:%M:%S')}")
         except Exception as e:
             print(f"❌ 同步失败: {e}")
 
@@ -134,11 +139,12 @@ def play_one_game(game_index):
 # 3. 后台独立评估线程
 # ==========================================
 def background_eval_loop():
-    sync_from_hub()  # 启动时拉取历史数据
+    sync_from_hub()  # 启动时拉取全局历史数据
     
     NUM_WORKERS = 1  # Docker/云端免费 CPU 推荐设为 1
-    print("🚀 后台对战线程已启动...")
+    print(f"🚀 节点 [{WORKER_ID}] 后台对战线程已启动...")
     
+    # 确保当前节点的文件存在
     if not os.path.exists(REPORT_FILE):
         open(REPORT_FILE, 'w').close()
 
@@ -161,42 +167,44 @@ def background_eval_loop():
                         f.flush()
                         games_completed += 1
                         games_since_last_sync += 1
-                        print(f"完成 {games_completed} 局: 顺位 {rank}, 得点 {score}")
+                        print(f"[节点 {WORKER_ID}] 完成 {games_completed} 局: 顺位 {rank}, 得点 {score}")
                     except Exception as e:
                         print(f"对局异常: {e}")
                     
                     if EVAL_RUNNING:
                         futures.add(executor.submit(play_one_game, games_completed))
             
-            # 每完成 5 局，自动向云端备份一次
+            # 每完成 5 局，自动向云端备份一次当前节点的文件
             if games_since_last_sync >= 5:
                 sync_to_hub()
                 games_since_last_sync = 0
 
 # ==========================================
-# 4. 前端 Gradio 实时展示面板
+# 4. 前端 Gradio 实时展示面板 (全局汇总)
 # ==========================================
 def read_and_analyze():
-    """读取战绩文件，并生成统计文本和图表"""
-    if not os.path.exists(REPORT_FILE):
+    """读取所有节点的战绩文件，并生成全局汇总统计文本和图表"""
+    all_files = glob.glob(f"{REPORT_FILE_PREFIX}_*.txt")
+    if not all_files:
         return "⏳ 等待模型完成第一局对战...", None
     
+    ranks, scores = [], []
     try:
-        with open(REPORT_FILE, "r") as f:
-            lines = f.readlines()
-            
-        ranks, scores = [], []
-        for line in lines:
-            parts = line.strip().split()
-            if len(parts) == 2:
-                ranks.append(int(float(parts[0])))
-                scores.append(float(parts[1]))
-                
+        # 遍历汇总所有节点数据
+        for file in all_files:
+            with open(file, "r") as f:
+                lines = f.readlines()
+                for line in lines:
+                    parts = line.strip().split()
+                    if len(parts) == 2:
+                        ranks.append(int(float(parts[0])))
+                        scores.append(float(parts[1]))
+                        
         total = len(ranks)
         if total == 0:
             return "⏳ 正在进行第一局对战...", None
 
-        # 计算数据
+        # 计算全局数据
         avg_rank = sum(ranks) / total
         avg_score = sum(scores) / total
         rank1_rate = ranks.count(1) / total * 100
@@ -207,16 +215,17 @@ def read_and_analyze():
 
         # 格式化 Markdown 文本
         md_text = f"""
-        ### 📊 实时对抗统计 (新模型 1v2 旧模型)
-        - **总对局数:** {total} 局
-        - **平均顺位:** {avg_rank:.3f}
-        - **平均得点:** {avg_score:.0f}
+        ### 📊 分布式集群全局对抗统计 (新模型 1v2 旧模型)
+        - **总汇集对局数:** {total} 局 (来自 {len(all_files)} 个活跃/历史节点)
+        - **全局平均顺位:** {avg_rank:.3f}
+        - **全局平均得点:** {avg_score:.0f}
         ---
         - 🥇 **一位率:** {rank1_rate:.1f}%
         - 🥈 **二位率:** {rank2_rate:.1f}%
         - 🥉 **三位率:** {rank3_rate:.1f}%
         ---
-        - 🕒 **最后更新/同步时间:** {last_update}
+        - 🌐 **当前节点 ID:** `{WORKER_ID}`
+        - 🕒 **页面刷新时间:** {last_update}
         """
 
         # 绘制图表
@@ -224,7 +233,7 @@ def read_and_analyze():
         
         ax1 = fig.add_subplot(121)
         ax1.bar(['1st', '2nd', '3rd'], [rank1_rate, rank2_rate, rank3_rate], color=['#FFD700', '#C0C0C0', '#CD7F32'])
-        ax1.set_title('Rank Distribution (%)')
+        ax1.set_title('Global Rank Distribution (%)')
         ax1.set_ylim(0, max(100, max([rank1_rate, rank2_rate, rank3_rate] + [0]) + 10))
         for i, v in enumerate([rank1_rate, rank2_rate, rank3_rate]):
             ax1.text(i, v + 2, f"{v:.1f}%", ha='center')
@@ -234,7 +243,7 @@ def read_and_analyze():
         df['ma'] = df['score'].rolling(window=min(10, max(1, len(df))), min_periods=1).mean()
         ax2.plot(df['score'], alpha=0.3, color='gray', label='Raw Score')
         ax2.plot(df['ma'], color='blue', linewidth=2, label='Moving Avg (10)')
-        ax2.set_title('Score Trend')
+        ax2.set_title('Global Score Trend')
         ax2.legend()
 
         plt.tight_layout()
@@ -245,27 +254,23 @@ def read_and_analyze():
         return f"❌ 数据解析出错: {e}", None
 
 # ==========================================
-# 5. 启动 Gradio 应用
-# ==========================================
-# ==========================================
-# 5. 启动 Gradio 应用
+# 5. 启动 Gradio 应用 (兼容 Gradio 6.0+)
 # ==========================================
-# 修复 1: 移除这里的 theme 参数
 with gr.Blocks() as demo:
-    gr.Markdown("# 🀄 Mahjong AI 实时强度评估舱")
-    gr.Markdown("新模型正在后台随机座次与两名旧模型进行战斗。页面将自动刷新展示最新战绩。战绩会自动同步至 Hugging Face Dataset。")
+    gr.Markdown("# 🀄 Mahjong AI 分布式强度评估舱")
+    gr.Markdown("新模型正在后台随机座次与两名旧模型进行战斗。战绩会自动通过数据分片同步至 Hugging Face Dataset，页面展示为集群全局汇总数据。")
     
     with gr.Row():
         with gr.Column(scale=1):
             stats_output = gr.Markdown("🚀 正在启动后台环境...")
-            refresh_btn = gr.Button("🔄 手动刷新战绩")
+            refresh_btn = gr.Button("🔄 手动刷新全局战绩")
         with gr.Column(scale=2):
             plot_output = gr.Plot()
 
-    # 修复 2: 使用 demo.load 仅处理用户刚打开页面时的第一次渲染
+    # 首次加载渲染
     demo.load(fn=read_and_analyze, inputs=None, outputs=[stats_output, plot_output])
     
-    # 修复 3: 使用新版的 gr.Timer 来替代 every=15 实现定时刷新
+    # 兼容新版 Gradio 的定时器 (每 15 秒刷新一次前端)
     timer = gr.Timer(15)
     timer.tick(fn=read_and_analyze, inputs=None, outputs=[stats_output, plot_output])
     
@@ -276,6 +281,5 @@ if __name__ == "__main__":
     t = threading.Thread(target=background_eval_loop, daemon=True)
     t.start()
     
-    # 2. 启动前端网页
-    # 修复 4: 将 theme 参数转移到 launch() 里面
+    # 2. 启动前端网页 (主题参数移至此处)
     demo.queue().launch(server_name="0.0.0.0", server_port=7860, theme=gr.themes.Soft())