w22

CONTEXT.md

@@ -39,11 +39,11 @@ Systém pro zálohu, organizaci a tagování ~200 000 rodinných fotek. Lokáln
 
 ## DB tabulky v fotky_buzalkovi
 
-### Starší (z předchozí fáze)
-- `photos` — sha256_file UNIQUE, phash, EXIF JSONB, indexy
+### Skupina 1: Zpracovaná metadata fotek
+- `photos` — naparsované EXIF/IPTC/XMP, hashe, rozměry, GPS. Sloupec `zaloha_id` → FK na `zaloha_obrazku`.
 - `tags`, `photo_tags` — tagování
 
-### Zálohovací pipeline (vytvořeno 2026-05-24)
+### Skupina 2: Zálohovací pipeline (vytvořeno 2026-05-24)
 ```sql
 zaloha_obrazku
   id SERIAL PK, blake3_hash VARCHAR(64) UNIQUE, cesta_zalohy TEXT,
@@ -56,6 +56,10 @@ zdrojove_soubory
   UNIQUE(hostname, cesta_zdroje)
 ```
 
+### Propojení (vytvořeno 2026-05-26)
+`photos.zaloha_id` → `zaloha_obrazku.id` — každá zpracovaná fotka v `photos` je svázána
+se zdrojovou zálohou. Resume importu funguje přes LEFT JOIN na tomto sloupci.
+
 ---
 
 ## Zálohovací skripty
@@ -116,6 +120,39 @@ zdrojove_soubory
 - Tower1 spuštěn, přidal 104 souborů
 - Windows skript připraven, zatím nespuštěn na žádném PC
 
+## Stav k 2026-05-26
+
+- `zaloha_obrazku` má 1 502 539 záznamů, `zdrojove_soubory` 2 192 650
+- Tabulka `photos` vyprázdněna (původně 85 833 testovacích záznamů z filesystémového skenu)
+- Přidán sloupec `photos.zaloha_id` (FK → `zaloha_obrazku.id`) pro propojení tabulek
+- Nový skript `30 SběrDat/collect_and_import.py` čte z `zaloha_obrazku`, zpracuje metadata
+  a ukládá přímo do `photos` (bez mezilehlého JSONL). Resume přes `zaloha_id`.
+  Překlad cesty: `/mnt/remotes/TOWER1.LAN_ZalohaVsechObrazku/...` → `//Tower1/ZalohaVsechObrazku/...`
+- Starší skripty `10_collect_metadata.py` + `import_to_db.py` zůstávají jako reference,
+  ale produkce běží přes `collect_and_import.py`.
+
+---
+
+## Zpracování metadat (Skupina 1)
+
+**Soubor:** `30 SběrDat/collect_and_import.py`
+
+**Spuštění (Windows, lokální .venv):**
+```
+.\.venv\Scripts\python.exe "30 SběrDat\collect_and_import.py" --workers 4
+```
+
+**Co dělá:**
+1. Načte z `zaloha_obrazku` jen záznamy bez odpovídajícího řádku v `photos` (LEFT JOIN přes `zaloha_id`)
+2. Pro každou cestu přeloží Linux NFS → Windows UNC
+3. Spočítá: SHA-256 souboru i pixelů, pHash, dHash, EXIF (ExifRead), IPTC, XMP, GPS, rozměry
+4. Vloží do `photos` po dávkách s `ON CONFLICT (sha256_file) DO NOTHING` (per-batch commit)
+5. Resume = bezpečné, znovuspuštění pokračuje kde skončilo
+
+**Argumenty:** `--workers N`, `--batch-size N`, `--limit N`, `--dry-run`
+
+**Závislosti:** psycopg2, python-dotenv, exifread, imagehash, Pillow
+
 ---
 
 ## Otevřené otázky