"""修正 Hummingbot bitget_perpetual candles feed 的换根延迟。

上游 _parse_websocket_message 里是：

    candle = data["data"][0]

而 Bitget 在换根时会推一条带两根的消息 [上一根, 新一根]。取 [0] 拿到的是
上一根，其时间戳与 deque 尾部相同，于是只做了原地更新；新一根要等下一条
单元素消息才进入 deque——实测晚约 1.1 秒。

不能简单改成 [-1]：那样上一根的收盘价就永远停在换根前约 1 秒的那次推送上。
1m 信号对 0.25bp 的扰动都会换掉一半（见 signal_sensitivity.py），收盘价
偏一个 tick 是不能接受的。所以这里把**除最后一根外的元素就地写回 deque**，
再把最后一根交给基类走正常的 append 流程。

已向上游反馈前，本地用子类覆盖，不改动镜像。
"""
from __future__ import annotations

from typing import Any, Dict, Optional

import numpy as np

from hummingbot.data_feed.candles_feed.bitget_perpetual_candles import (
    BitgetPerpetualCandles,
)


def _row_to_dict(row: list, ensure_s) -> Dict[str, Any]:
    return {"timestamp": ensure_s(int(row[0])),
            "open": float(row[1]), "high": float(row[2]),
            "low": float(row[3]), "close": float(row[4]),
            "volume": float(row[5]), "quote_asset_volume": float(row[6]),
            "n_trades": 0., "taker_buy_base_volume": 0.,
            "taker_buy_quote_volume": 0.}


class PatchedBitgetPerpetualCandles(BitgetPerpetualCandles):
    """与上游唯一的差别：一条消息里的多根 K 线全部处理，而非只取第一根。"""

    def _parse_websocket_message(self, data: dict) -> Optional[Dict[str, Any]]:
        if data == "pong":
            return None
        if not (data and data.get("data") and data.get("action") == "update"):
            return None

        rows = data["data"]
        # 前面的元素都是已收盘 K 线的最终值：就地覆盖，保住真实收盘价
        for row in rows[:-1]:
            d = _row_to_dict(row, self.ensure_timestamp_in_seconds)
            self._overwrite_existing(d)
        # 最后一根交给基类：时间戳更大就 append，相同就原地更新
        return _row_to_dict(rows[-1], self.ensure_timestamp_in_seconds)

    def _overwrite_existing(self, d: Dict[str, Any]) -> None:
        if not len(self._candles):
            return
        ts = int(d["timestamp"])
        if int(self._candles[-1][0]) != ts:
            return
        self._candles[-1] = np.array(
            [d["timestamp"], d["open"], d["high"], d["low"], d["close"],
             d["volume"], d["quote_asset_volume"], d["n_trades"],
             d["taker_buy_base_volume"], d["taker_buy_quote_volume"]]
        ).astype(float)