ShopTRAINING/xz数据库2025_07_24.md

数据库设计方案 (最终版)

本文档定义了项目重构后的核心数据库结构，旨在实现对机器学习模型和预测历史的统一、高效管理。该设计方案结合了业务需求、前端UI逻辑、后端代码实现以及现有数据库结构，并经过了多次迭代确认。

设计原则

• 模型集中化: 所有模型的元数据统一存储，摆脱对文件系统的依赖。
• 数据一致性: 通过逻辑外键确保预测记录与模型版本精确关联。
• 查询高性能: 通过冗余关键字段，避免在查询列表时进行不必要的JOIN操作。
• 可扩展性: 使用JSON字段存储灵活、复杂的范围定义和文件路径，适应未来业务变化。
• 结构清晰: 物理文件（模型、日志、预测结果）与数据库记录分离，数据库只存元数据和路径，保持自身轻量。

---

预测结果JSON保存到：saved_predictions

表结构定义

表1：models

这张表是模型管理的核心，负责存储所有模型版本的全生命周期信息。

字段名	类型	确认理由与说明
id	INTEGER	主键，系统内部使用。
model_uid	TEXT	[关键] 用户可见的唯一ID，由后端生成，用于API调用和逻辑关联。
display_name	TEXT	[建议新增] 用户可自定义的别名，如“夏季促销模型”，提升易用性。
model_type	TEXT	已确认. 核心参数，如 mlstm, kan。
training_mode	TEXT	已确认. 模型的训练范围: product, store, global。
training_scope	TEXT (JSON)	[最终版] 精确描述训练范围，并包含中文名。 - 按药品训练: {"product": {"id": "P001", "name": "阿莫西林"}, "stores": "all"} 或 {"product": {"id": "P001", "name": "阿莫西林"}, "stores": [{"id": "S001", "name": "城西店"}]} - 按店铺训练: {"store": {"id": "S001", "name": "城西店"}, "products": "all"} 或 {"store": {"id": "S001", "name": "城西店"}, "products": [{"id": "P001", "name": "阿莫西林"}, {"id": "P002", "name": "布洛芬"}]} - 全局训练: {"stores": "all", "products": "all"} 或 {"stores": [{"id": "S001", "name": "城西店"}], "products": [{"id": "P001", "name": "阿莫西林"}]}
parent_model_id	INTEGER	已确认. 外键，指向自身 id，用于实现“继续训练”功能，形成版本链。
version	TEXT	已确认. 模型版本号，如 v1, v2。
status	TEXT	已确认. 模型状态，如 active, archived，用于控制模型是否可用。
training_params	TEXT (JSON)	已确认. 存储训练时的超参数，如 {"epochs": 50, "aggregation_method": "sum"}。
performance_metrics	TEXT (JSON)	已确认. 存储性能指标，如 {"R2": 0.85, "RMSE": ...}。
artifacts	TEXT (JSON)	[采纳建议] 存储与模型相关的所有文件路径。 所有文件均采用扁平化结构存放在 saved_models/ 目录下。示例： {"best_model": "saved_models/product_P001_mlstm_best.pth", "versioned_model": "saved_models/product_P001_mlstm_v1.pth", "loss_curve_plot": "saved_models/product_P001_mlstm_v1_loss.png", "loss_curve_data": "saved_models/product_P001_mlstm_v1_history.json"}
created_at	DATETIME	已确认. 模型的创建时间。

---

表2：prediction_history

这张表用于记录每一次预测任务的结果，其结构在现有基础上进行了优化，以实现高效查询和完整追溯。

字段名	类型	确认理由与说明
id	INTEGER	已确认. 主键，自增。
prediction_uid	TEXT	已确认. 唯一的预测ID (UUID)，用于API调用。
model_id	TEXT	[核心变更] 使用的模型的唯一标识符。 在重构后，此字段的值应该与 models 表中的某条记录的 model_uid 相对应，从而建立起逻辑关联。
model_type	TEXT	已确认 (冗余). 冗余存储模型类型（如 mlstm），用于在不关联查询的情况下快速筛选历史记录。
product_name	TEXT	已确认 (冗余). 冗余存储产品/店铺的中文名，用于在列表页快速展示，极大提升查询性能。
prediction_scope	TEXT (JSON)	[新增] 描述本次预测的范围，与 models 表的 training_scope 结构类似，指明是为哪个产品/店铺做的预测。
prediction_params	TEXT (JSON)	已确认. 存储预测参数，如 {"start_date": "...", "future_days": 7}。
metrics	TEXT (JSON)	已确认 (冗余). 缓存的性能指标，用于列表展示和排序。
result_file_path	TEXT	[已采纳您的规范] 指向预测结果JSON文件的相对路径。文件存储在 saved_predictions/ 目录下，并根据模型名和时间戳命名，例如：saved_predictions/cnn_bilstm_attention_global_sum_v6_pred_20250724111600.json。
created_at	DATETIME	已确认. 记录的创建时间。