import logging
from pinecone import Pinecone,ServerlessSpec
# 从 scikit-learn 库中导入 load_digits 函数
# 这个函数用于加载著名的手写数字数据集 MNIST
from sklearn.datasets import load_digits
import matplotlib.pyplot as plt  # 用于绘图
import numpy as np  # 用于数值计算
from collections import Counter  # 用于计数

logging.basicConfig(format='%(asctime)s - %(levelname)s - %(message)s', level=logging.INFO)


def create_index():
    # 连接到 Pinecone 服务器
    pinecone = Pinecone(api_key="d2e52f4b-93f3-4b8f-9369-1c00dbc2052d")

    # 索引名称
    index_name = "mnist-index"

    # 获取现有索引列表
    existing_indexes = pinecone.list_indexes()

    # 检查索引是否存在，如果存在就删除
    # 这个if是否需要，要看情况而定
    # 比如有的时候，如果不想要重复删除在创建，这个if就可以不要
    if any(index['name'] == index_name for index in existing_indexes):
        logging.info(f"索引 '{index_name}' 已存在，正在删除...")
        pinecone.delete_index(index_name)
        logging.info(f"索引 '{index_name}' 已成功删除。")
    else:
        logging.info(f"索引 '{index_name}' 不存在，将创建新索引。")

    # 创建新索引
    logging.info(f"正在创建新索引 '{index_name}'...")
    pinecone.create_index(
        name=index_name,
        dimension=64,  # MNIST 每个图像展平后是一个 64 维向量
        metric="euclidean",  # 使用欧氏距离
        spec=ServerlessSpec(
            cloud="aws",
            region="us-east-1"
        )
    )
    logging.info(f"索引 '{index_name}' 创建成功。")


def load_pinecone():
    # 连接到 Pinecone 服务器
    pinecone = Pinecone(api_key="d2e52f4b-93f3-4b8f-9369-1c00dbc2052d")

    # 索引名称
    index_name = "mnist-index"

    # 连接到索引
    index = pinecone.Index(index_name)
    logging.info(f"已成功连接到索引 '{index_name}'。")
    return index

create_index()
index = load_pinecone()

# 使用 load_digits 函数加载 MNIST 数据集
# n_class=10 表示加载全部 10 个数字类别(0-9)
digits = load_digits(n_class=10)

# 获取数据集中的特征数据
# X 是一个二维数组,每行代表一个样本,每个样本是一个 64 维的向量(8x8 像素展平)
X = digits.data

# 获取数据集中的标签
# y 是一个一维数组,包含每个样本对应的真实数字标签(0-9)
y = digits.target

# 初始化一个空列表,用于存储转换后的向量数据
vectors = []

# 遍历所有样本,将数据转换为 Pinecone 可接受的格式
for i in range(len(X)):
    # 使用样本的索引作为向量的唯一标识符
    vector_id = str(i)
    
    # 将 NumPy 数组转换为 Python 列表
    # Pinecone 要求输入数据为 Python 列表格式
    vector_values = X[i].tolist()
    
    # 创建元数据字典,包含该样本的真实标签
    # 将标签转换为整数类型,确保数据类型的一致性
    metadata = {"label": int(y[i])}
    
    # 将转换后的数据(ID、向量值、元数据)作为元组添加到 vectors 列表中
    vectors.append((vector_id, vector_values, metadata))

# 定义批处理大小,每批最多包含 1000 个向量
# 这是为了避免一次性向 Pinecone 发送过多数据,可能导致请求超时或失败
batch_size = 1000

# 使用步长为 batch_size 的 range 函数,实现分批处理
for i in range(0, len(vectors), batch_size):
    # 从 vectors 列表中切片获取一批数据
    batch = vectors[i:i + batch_size]
    
    # 使用 upsert 方法将这批数据上传到 Pinecone 索引中
    # upsert 操作会插入新的向量或更新已存在的向量
    index.upsert(batch)



# 创建一个手写数字 3 的图像
# 使用 numpy 数组表示一个 8x8 的二维图像
# 255 表示白色像素,0 表示黑色像素
digit_3 = np.array(
    [[0, 0, 255, 255, 255, 255, 0, 0],
     [0, 0, 0, 0, 0, 255, 0, 0],
     [0, 0, 0, 0, 0, 255, 0, 0],
     [0, 0, 0, 255, 255, 255, 0, 0],
     [0, 0, 0, 0, 0, 255, 0, 0],
     [0, 0, 0, 0, 0, 255, 0, 0],
     [0, 0, 0, 0, 0, 255, 0, 0],
     [0, 0, 255, 255, 255, 255, 0, 0]]
)

# 将图像像素值从 0-255 的范围缩放到 0-16 的范围
# 这是为了匹配 MNIST 数据集中使用的像素值范围
digit_3_flatten = (digit_3 / 255.0) * 16

# 将二维图像数组展平成一维列表
# 这是因为 Pinecone 要求输入向量是一维的
query_data = digit_3_flatten.ravel().tolist()

# 使用准备好的查询向量在 Pinecone 索引中执行搜索
results = index.query(
    vector=query_data,
    top_k=11,  # 返回距离最近的 11 个结果
    include_metadata=True  # 同时返回每个向量的元数据(包括标签)
)

# 从搜索结果中提取每个匹配项的标签
labels = [match['metadata']['label'] for match in results['matches']]

# 打印每个匹配结果的详细信息
for match, label in zip(results['matches'], labels):
    print(f"id: {match['id']}, distance: {match['score']}, label: {label}")

# 使用投票机制确定最终的分类结果
# Counter().most_common(1) 返回出现次数最多的元素
# [0][0] 获取该元素的值(即预测的数字)
final_prediction = Counter(labels).most_common(1)[0][0]

# 使用 matplotlib 显示查询图像和预测结果
plt.imshow(digit_3, cmap='gray')  # 显示灰度图像
plt.title(f"Predicted digit: {final_prediction}", size=15)  # 设置标题,显示预测结果
plt.axis('off')  # 关闭坐标轴
plt.show()  # 展示图像