notebookVb

2026-06-04 22:56:27 +02:00
parent f75a0f8906
commit 0f73a6b537
6 changed files with 583 additions and 0 deletions
@@ -0,0 +1,100 @@
+# FotkyBuzalkovi — pracovní deník
+
+> Živý dokument. Zapisujeme sem co jsme zjistili, co jsme rozhodli a co je na řadě.
+> Technická reference → `CONTEXT.md`, návrh architektury → `NAVRH.md`.
+
+---
+
+## Session 2026-06-04
+
+### Stav DB na začátku
+
+| Tabulka | Řádky |
+|---------|-------|
+| `zaloha_obrazku` | 1 717 182 |
+| `zdrojove_soubory` | 3 573 846 |
+| `photos` | 1 717 175 |
+| `photo_errors` | 3 185 319 |
+
+Všechny fotky mají `processing_status = 'pending'` — pipeline doběhla, další zpracování nezačalo.
+
+### Co jsme zjistili
+
+**Problém 1 — V záloze je spousta odpadu, ne jen rodinné fotky.**  
+Pipeline sebrala vše co má příponu `.jpg/.jpeg` — včetně:
+- PhotoPrism cache thumbnailů (`appdata/photoprism/cache/`) — 229 521 ks, <10 kB
+- Plex / Immich cache
+- MP3 a LP obaly
+- DVD obaly, eBook obálky
+- ABC vystřihovánky (skenované na 1200 DPI → soubory 60–100 MB)
+- Reprodukce obrazů z torrentů (Raffael, Rembrandt... v muzejní kvalitě)
+- Stažené obrázky z webu (Dropbox/!!!Days/Stefajir/...)
+- Windows AppData (Kindle covers, .NET watermark...)
+
+**Problém 2 — Rok pořízení je hodně porušený.**  
+- Rok 2024 má 985 754 fotek (>57 % všech) — zřejmě chybný fallback na mtime místo EXIF
+- Rok 1863, 2031–4501 — garbage v EXIF
+- Rok 2026 má 93 492 — suspektní
+
+**Sloupec `wanted`:**  
+Přidán `photos.wanted BOOLEAN NOT NULL DEFAULT FALSE` — všech 1 717 175 fotek má FALSE.  
+Účel: budeme označovat fotky které chceme zachovat / zpracovat.
+
+### Nástroje
+
+- `00 PictureCollector/preview_sample.py` — zobrazí náhled fotek podle ID  
+  Použití: `python preview_sample.py 101 202 303 ...`  
+  Claude vybere ID přes MCP dotazy, předá příkaz ke spuštění.
+
+- `00 PictureCollector/migrate_add_wanted.py` — přidal sloupec `wanted` (idempotentní)
+
+### Rozhodnutí
+
+#### Pravidla vyloučení cest — část 1 (2026-06-04)
+
+Tyto cesty **nechceme** — `wanted` zůstane FALSE, nezpracovávat:
+
+| Vzor cesty (obsahuje) | Důvod | Počet |
+|---|---|---|
+| `Torrents/Downloads/OOPS!!! International` | porno screenshoty | ~7 105 |
+| `Torrents/Downloads/Tampons Pads Period` | porno | ~9 600 |
+| `#ColdData/Porno/` | porno screenlists | — |
+| `Porno1/` | porno | ~2 730 |
+| `#ColdData/000 TORENT OBRAZKY/National Geographic Wallpapers` | stažené wallpapery | ~7 188 |
+| `#ColdData/000 TORENT OBRAZKY/[OnlyFans]` | OnlyFans | ~1 377 |
+| `#ColdData/000 TORENT OBRAZKY/Great Painters` | reprodukce obrazů | — |
+| `UltraCC/` a obsahuje `/jpg` | Hot Wheels katalog a jiné torrent obrázky | ~3 484 |
+| `Magentic/Runtime/UserPhotos/css` | webové ikonky | ~1 034 |
+| `.Icecream Ebook Reader/` | obrázky z epub knih | — |
+| `photoprism/sidecar/` | XMP sidecar soubory | — |
+
+> Otevřené: appdata/photoprism/cache, Immich thumbs, MP3/LP obaly, eBooks — vyřeší se v další části pravidel.
+
+### Schéma — nové sloupce v `photos`
+
+| Sloupec | Typ | Popis |
+|---|---|---|
+| `wanted` | `BOOLEAN NOT NULL DEFAULT FALSE` | chceme tuto fotku zachovat/zpracovat |
+| `category` | `VARCHAR(100)` | kategorie: Fotopast, Rodina, Skeny, … |
+
+### Označené kategorie
+
+| Kamera / kritérium | wanted | category | Počet |
+|---|---|---|---|
+| BolyMedia SG520 | TRUE | Fotopast | 42 688 |
+
+### Na řadě
+
+- [ ] Prozkoumat co přesně je v záloze — jaký podíl jsou skutečné rodinné fotky
+- [ ] Rozhodnout jak filtrovat odpad (path blacklist? size? absence kamery?)
+- [ ] Vyřešit problém s roky — proč 57 % fotek padá do 2024
+- [ ] Označit první várku fotek jako `wanted = TRUE`
+
+---
+
+## Backlog otevřených otázek
+
+1. Co s "sirotky" bez EXIF — `mtime` / odmítnout / označit?
+2. Při shodě `sha256_pixels` — přeskočit / sloučit metadata / uložit oba?
+3. Storage layout — nechat in-place / `archiv/YYYY/MM/` / content-addressable?
+4. Jak poznat "rodinná fotka" od odpadu bez ruční kontroly?