notebookVb

SCHEMA.md

@@ -0,0 +1,171 @@
+# Databázové schéma — fotky_buzalkovi
+
+PostgreSQL 192.168.1.76:5432, databáze `fotky_buzalkovi`.
+
+---
+
+## Skupina 1: Zpracované fotky
+
+Tyto tabulky obsahují naparsované informace o fotkách — EXIF, hashe, metadata, tagy.
+Jsou základem pro veškerou další práci (vyhledávání, deduplikace, organizace).
+
+### photos (85 833 záznamů)
+
+Hlavní tabulka. Každý řádek = jedna unikátní fotka identifikovaná hashem `sha256_file`.
+
+| Sloupec | Typ | Nullable | Default | Popis |
+|---------|-----|----------|---------|-------|
+| **id** | BIGSERIAL | NO | autoincrement | PK |
+| **sha256_file** | CHAR(64) | NO | — | SHA-256 celého souboru (UNIQUE) |
+| sha256_pixels | CHAR(64) | YES | — | SHA-256 pixelových dat (odhalí změnu jen v metadatech) |
+| phash | BIGINT | YES | — | Perceptuální hash (vizuální podobnost) |
+| dhash | BIGINT | YES | — | Difference hash (vizuální podobnost) |
+| **file_path** | VARCHAR(2000) | NO | — | Absolutní cesta k souboru |
+| file_path_relative | VARCHAR(2000) | YES | — | Relativní cesta |
+| **file_name** | VARCHAR(500) | NO | — | Název souboru |
+| file_stem | VARCHAR(500) | YES | — | Název bez přípony |
+| file_ext | VARCHAR(20) | YES | — | Přípona (.jpg, .png, …) |
+| file_size | BIGINT | YES | — | Velikost v bajtech |
+| mime_type | VARCHAR(50) | YES | — | MIME typ (image/jpeg, …) |
+| format | VARCHAR(20) | YES | — | Formát obrázku (JPEG, PNG, …) |
+| mode | VARCHAR(20) | YES | — | Barevný mód (RGB, L, RGBA, …) |
+| width | INT | YES | — | Šířka v pixelech |
+| height | INT | YES | — | Výška v pixelech |
+| megapixels | NUMERIC | YES | — | Rozlišení v megapixelech |
+| has_transparency | BOOLEAN | YES | false | Má alfa kanál |
+| icc_profile | BOOLEAN | YES | false | Obsahuje ICC profil |
+| embedded_thumbnail | BOOLEAN | YES | false | Obsahuje vložený náhled |
+| taken_at | TIMESTAMPTZ | YES | — | Datum pořízení fotky |
+| taken_at_source | VARCHAR(20) | YES | — | Zdroj datumu (exif / mtime / …) |
+| mtime | TIMESTAMPTZ | YES | — | Datum poslední modifikace souboru |
+| collected_at | TIMESTAMPTZ | YES | — | Datum sběru/importu do pipeline |
+| camera_make | VARCHAR(100) | YES | — | Výrobce fotoaparátu |
+| camera_model | VARCHAR(255) | YES | — | Model fotoaparátu |
+| lens_model | VARCHAR(255) | YES | — | Model objektivu |
+| iso | INT | YES | — | ISO citlivost |
+| aperture | NUMERIC | YES | — | Clona (f/2.8, …) |
+| exposure_time | VARCHAR(30) | YES | — | Expoziční čas (1/250, …) |
+| focal_length_mm | NUMERIC | YES | — | Ohnisková vzdálenost v mm |
+| gps_lat | NUMERIC | YES | — | GPS šířka |
+| gps_lon | NUMERIC | YES | — | GPS délka |
+| gps_altitude | NUMERIC | YES | — | GPS nadmořská výška |
+| is_screenshot | BOOLEAN | YES | false | Detekováno jako screenshot |
+| face_count | INT | YES | — | Počet detekovaných obličejů |
+| exif_raw | JSONB | YES | — | Kompletní surová EXIF data |
+| iptc_raw | JSONB | YES | — | Kompletní surová IPTC data |
+| xmp_raw | JSONB | YES | — | Kompletní surová XMP data |
+| imported_at | TIMESTAMPTZ | YES | now() | Kdy byl záznam vložen do DB |
+| processing_status | VARCHAR(50) | YES | 'pending' | Stav zpracování |
+
+**Indexy:**
+- `photos_pkey` — PK (id)
+- `photos_sha256_file_key` — UNIQUE (sha256_file)
+- `idx_photos_sha256_pixels` — (sha256_pixels)
+- `idx_photos_phash` — (phash)
+- `idx_photos_taken_at` — (taken_at)
+- `idx_photos_camera_model` — (camera_model)
+- `idx_photos_file_name` — (file_name)
+- `idx_photos_file_ext` — (file_ext)
+- `idx_photos_exif_gin` — GIN (exif_raw)
+
+---
+
+### tags
+
+Hierarchická tabulka tagů. Podporuje stromovou strukturu přes `parent_tag_id`.
+
+| Sloupec | Typ | Nullable | Default | Popis |
+|---------|-----|----------|---------|-------|
+| **id** | SERIAL | NO | autoincrement | PK |
+| **name** | VARCHAR(100) | NO | — | Název tagu |
+| parent_tag_id | INT | YES | — | Rodičovský tag (FK → tags.id) |
+
+**Constrainty:**
+- PK (id)
+- UNIQUE (name, parent_tag_id) — stejný název může existovat pod různými rodiči
+- FK parent_tag_id → tags(id)
+
+---
+
+### photo_tags
+
+Vazební tabulka M:N mezi `photos` a `tags`.
+
+| Sloupec | Typ | Nullable | Default | Popis |
+|---------|-----|----------|---------|-------|
+| **photo_id** | BIGINT | NO | — | FK → photos(id) ON DELETE CASCADE |
+| **tag_id** | INT | NO | — | FK → tags(id) ON DELETE CASCADE |
+| source | VARCHAR(20) | YES | — | Zdroj tagu (manual / auto / …) |
+| created_at | TIMESTAMPTZ | YES | now() | Kdy byl tag přiřazen |
+
+**Constrainty:**
+- PK (photo_id, tag_id)
+- FK photo_id → photos(id) ON DELETE CASCADE
+- FK tag_id → tags(id) ON DELETE CASCADE
+
+---
+
+## Skupina 2: Sběr a záloha fotek
+
+Tyto tabulky slouží **výhradně** pro proces sběru fotek ze všech počítačů na jedno centrální
+úložiště (Tower1). Neobsahují žádné informace o obsahu fotek — jen evidenci, odkud byly
+soubory sebrány a kam byly zálohovány. S dalším zpracováním (EXIF, tagy, organizace) nemají
+nic společného.
+
+Skript: `00 PictureCollector/collect_pictures.py` (Linux) / `collect_pictures_windows.py` (Windows)
+
+### zaloha_obrazku (39 961 záznamů)
+
+Každý řádek = jeden unikátní soubor fyzicky uložený v záloze (identifikovaný BLAKE3 hashem).
+
+| Sloupec | Typ | Nullable | Default | Popis |
+|---------|-----|----------|---------|-------|
+| **id** | SERIAL | NO | autoincrement | PK |
+| **blake3_hash** | VARCHAR(64) | NO | — | BLAKE3 hash souboru (UNIQUE) |
+| **cesta_zalohy** | TEXT | NO | — | Cesta k záloze na Tower1 |
+| **nazev_souboru** | VARCHAR(512) | NO | — | Název souboru |
+| velikost | BIGINT | YES | — | Velikost v bajtech |
+| datum_kopirovani | TIMESTAMP | YES | now() | Kdy byl soubor zkopírován |
+
+**Indexy:**
+- `zaloha_obrazku_pkey` — PK (id)
+- `zaloha_obrazku_blake3_hash_key` — UNIQUE (blake3_hash)
+- `idx_zaloha_hash` — (blake3_hash)
+
+---
+
+### zdrojove_soubory (45 090 záznamů)
+
+Každý řádek = jeden nalezený zdrojový soubor na nějakém počítači. Stejný soubor (stejný
+BLAKE3 hash) může mít více záznamů, pokud existuje na různých místech/počítačích.
+
+| Sloupec | Typ | Nullable | Default | Popis |
+|---------|-----|----------|---------|-------|
+| **id** | SERIAL | NO | autoincrement | PK |
+| **hostname** | VARCHAR(255) | NO | — | Název počítače, kde byl soubor nalezen |
+| **cesta_zdroje** | TEXT | NO | — | Původní cesta k souboru |
+| **nazev_souboru** | VARCHAR(512) | NO | — | Název souboru |
+| velikost | BIGINT | YES | — | Velikost v bajtech |
+| datum_nalezeni | TIMESTAMP | YES | now() | Kdy byl soubor nalezen |
+| **blake3_hash** | VARCHAR(64) | NO | — | BLAKE3 hash souboru |
+| zaloha_id | INT | YES | — | FK → zaloha_obrazku(id) |
+
+**Constrainty:**
+- PK (id)
+- UNIQUE (hostname, cesta_zdroje) — každý soubor z každého PC jen jednou
+- FK zaloha_id → zaloha_obrazku(id)
+
+**Indexy:**
+- `idx_zdroj_hash` — (blake3_hash)
+- `idx_zdroj_zaloha` — (zaloha_id)
+- `idx_zdroj_host` — (hostname)
+
+---
+
+## Poznámky
+
+- Počty záznamů jsou k datu 2026-05-24.
+- Tabulka `cameras` z původního `create_schema.py` v DB neexistuje — informace o kameře
+  jsou přímo ve sloupcích `camera_make` / `camera_model` v tabulce `photos`.
+- EXIF parser: ExifRead (Pillow má bug v GPS).
+- Tabulky skupiny 1 a skupiny 2 zatím nejsou propojené (žádný FK mezi `photos` a `zaloha_obrazku`).