仿真任务调度 API

simulation_bp 是前后端性能优化的关键。由于 CPD 模型模拟涉及复杂的常微分方程求解，该接口通过 Celery 异步队列 将请求与计算解耦，确保 Web 服务在高并发下的响应速度。

---

🏎️ 异步处理流架构

为了提供极致的用户体验，接口设计遵循了“提交即响应，过程可追踪”的原则。

🚀 任务提交

1. 模拟启动接口

支持两种模型算法：SIM (标准版) 与 SIM2 (增强/回填版)。

• URL: /simulate 或 /simulate2
• Method: POST
• Auth: @jwt_required()
• HTTP Status: 202 Accepted (表示请求已接受并入队)

核心优化点

• 参数预处理：调用 preprocess_params 统一物理量单位与类型。
• 非阻塞设计：使用 .delay() 立即释放请求连接，不等待计算结果。
• JSON 加速：使用 orjson 替代原生 json 库，提升 5-10 倍的序列化速度。

🔄 状态轮询

2. 状态检查接口

客户端根据提交时返回的 task_id 定时调取此接口。

• URL: /task_status/<task_id>
• Method: GET

状态机逻辑 (State Machine)

任务状态	响应状态码	业务逻辑说明
PENDING/STARTED	200	返回 processing 状态，前端展示进度动画。
SUCCESS	200	双阶段读取：从 Celery 拿元数据，从 DB 拿大矩阵。
FAILURE	500	捕获物理模型崩溃异常，回传 traceback 或错误描述。

---

💾 大数据量读取策略

在任务完成后，系统并没有将数万行的计算结果直接塞进 Celery 的结果后端（防止 Redis 内存暴涨），而是采用了 侧路加载（Side-Loading） 策略：

1. Worker 端：计算完成后，将大数据存入关系型数据库的 CalcResult 表。
2. API 端：在 SUCCESS 状态下，仅通过 Celery 获取 record_id，再执行高效的 SQL 查询获取完整矩阵。
3. 动态回填：对于 SIM2 模型，会额外提取 data_front 字典，用于前端输入框的数值自动校准。

---

💻 关键代码实现

1. 异步结果组装 (Status 200)

# 核心逻辑：从数据库调取大数据，而不是直接从 Celery 任务对象取
result_entry = CalcResult.query.filter_by(record_id=record_id).first()

response_body = {
    "status": "completed",
    "result": {
        "headers": result_entry.headers,    # 表头信息
        "results": result_entry.data_rows   # 数万行的计算矩阵
    }
}